機器學習中L1和L2正則化詳細解釋

機器學習中，如果參數過多，模型過於複雜，容易造成過擬合（overfit）。即模型在訓練樣本數據上表現的很好，但在實際測試樣本上表現的較差，不具備良好的泛化能力。爲了避免過擬合，最常用的一種方法是使用使用正則化，例如 L1 和 L2 正則化。但是，正則化項是如何得來的？其背後的數學原理是什麼？L1 正則化和 L2 正則化之間有何區別？ L2正則化 L2 正則化公式非常簡單，直接在原來的損失函數基礎上

>>阅读原文<<