機器學習面試題之機器學習基礎(一)

1、L1與L2正則化 他們都是可以防止過擬合,降低模型複雜度。 L1會趨向於產生少量的特徵,而其他的特徵都是0;L2會選擇更多的特徵,這些特徵都會接近於0。L1在特徵選擇時非常有用,L2就只是一種規則化而已。 簡單總結一下就是: L1範數: 爲x向量各個元素絕對值之和。 L2範數: 爲x向量各個元素平方和的1/2次方,L2範數又稱Euclidean範數或者Frobenius範數 。 Lp範數: 爲
相關文章
相關標籤/搜索