機器學習中正則化項L1和L2的直觀理解

標籤： 機器學習 / 正則化 / 過擬合 / 稀疏矩陣 正則化（Regularization） 機器學習中幾乎都可以看到損失函數後面會添加一個額外項，常用的額外項一般有兩種，一般英文稱作ℓ1 -norm和 ℓ2 -norm，中文稱作L1正則化和L2正則化，或者L1範數和L2範數。 L1正則化和L2正則化可以看做是損失函數的懲罰項。所謂『懲罰』是指對損失函數中的某些參數做一些限制。對於線性迴歸模型，

>>阅读原文<<