【機器學習】嶺迴歸（L2正則在幹嘛！）

在之前我們有介紹過貝葉斯線性迴歸，貝葉斯線性迴歸利用了最大後驗估計（MAP）加上權重的高斯分佈先驗推導出帶有L2正則項的線性迴歸。 其實這就是嶺迴歸，即     嶺迴歸=MAP+高斯先驗。 推導就參見貝葉斯線性迴歸了，其實兩者就是一模一樣的東西，不過貝葉斯線性迴歸更側重於推導這個過程，因爲用了MAP方法，而提到嶺迴歸我們就會更去研究強調其L2正則項的一些特性與作用。 直接給出嶺迴歸的推導結果： 強

>>阅读原文<<