1
条回答
写回答
写回答
-
推荐回答1.一般情况分为两种，L1 正则化，和L2正则化。
2.L1正则化：是指权值向量ww 中各个元素的绝对值之和。通常表示为 ||w||_1∣∣w∣∣ 1。L1正则化不仅可以产生稀疏权值矩阵，用于特征选择，并且只要少量参数决定结果，所以它的可解释性也很强。
3.L2正则化：这个是指权值向量ww 中各元素的平方和，然后再求平方根 {||w||^2}∣∣w∣∣ 2。L2正则化可以防止过拟合，就会用到几乎多有的变量。并且一定程度上L1也可以防止过拟合。
2022-04-01 17:19:01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
