損失函數———有關L1和L2正則項的理解

一、損失函： 模型的結構風險函數包括了   經驗風險項  和  正則項，如下所示：   二、損失函數中的正則項 1.正則化的概念：       機器學習中都會看到損失函數之後會添加一個額外項，常用的額外項一般有2種，L1正則化和L2正則化。L1和L2可以看做是損失函數的懲罰項，所謂懲罰項是指對損失函數中某些參數做一些限制，以降低模型的複雜度。      L1正則化通過稀疏參數（特徵稀疏化，降低權重

>>阅读原文<<