L1，L2正則都可以看成是 條件限制，即
$\Vert w \Vert \leq c$
$\Vert w \Vert^2 \leq c$
當w為2維向量時，可以看到，它們限定的取值范圍如下圖：
所以它們對模型的限定不同
而對於一般問題來說，L1 正則往往取到正方形的頂點，即會有很多分量為0，具有稀疏性，有特征選擇的作用
免責聲明！
本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。
L1，L2正則都可以看成是 條件限制，即
$\Vert w \Vert \leq c$
$\Vert w \Vert^2 \leq c$
當w為2維向量時，可以看到，它們限定的取值范圍如下圖：
所以它們對模型的限定不同
而對於一般問題來說，L1 正則往往取到正方形的頂點，即會有很多分量為0，具有稀疏性，有特征選擇的作用
本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。