機器學習——L1和L2正則化

正則化（Regularization） 訓練機器學習模型的要點之一是避免過擬合。如果發生過擬合，模型的精確度會下降。這是由於模型過度嘗試捕獲訓練數據集的噪聲。噪聲，是指那些不能代表數據真實特性的數據點，它們的生成是隨機的。學習和捕捉這些數據點讓你的模型複雜度增大，有過擬合的風險。 正則化是一種迴歸的形式，它將係數估計（coefficient estimate）朝零的方向進行約束、調整或縮小。也就是

>>阅读原文<<