为什么l1和l2正则化可以降低过拟合，本质原因是什么？
已解决为什么l1和l2正则化可以降低过拟合，本质原因是什么？
展开
收起
1
条回答
写回答
写回答
-
推荐回答过拟合现象有多种解释，经典的是从 bias-variance 角度来解释，这也是最常用的解释，正则化能够增大偏差但是降低方差
PAC-learning泛化界解释：
- 正则化降低了模型的拟合能力，使得模型结构变得更加简单，导致了模型的VC维下降，根据PAC的期望误差与风险误差的关系公式（西瓜书上有），一般情况下，VC维越小则二者越接近。（太过理论，可以pass了）
2022-04-01 18:53:44赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
相关课程
更多
推荐问答
