1
条回答
写回答
写回答
-
推荐回答岭回归和Lasso回归之间存在一些差异，也可以说是L2和L1正则化的性质差异：
• 内置的特征选择：这是L1范数的一个非常有用的属性，而L2范数不具有这种特性。这实际上因为是L1范数倾向于产生稀疏系数。我们就可以说Lasso回归做了一种“参数选择”形式，未被选中的特征变量对整体的权重为0。
• 稀疏性：指矩阵中只有极少数条目非零。 但是L1范数具有零值或较少具有大系数的属性。
• 计算效率：L1范数没有解析解，但L2范数有。所以L1范数的解具有稀疏性，使得其在计算上获取更高的效率。
2022-04-01 16:39:50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
