1
条回答
写回答
写回答
-
推荐回答从学习理论的角度L2可以防止过拟合：我们让L2的规则化项||w||2最小，可以使w中的每个元素都很小，但是不是像L1范数那样使元素等于0，而是接近于零。越小的参数说明模型越简单，越简单的模型越不容易产生过拟合的现象。通过L2范数可以防止过拟合，提升模型的泛化能力。
从优化计算的角度L2范数可以有助于处理condition number 不好地情况下矩阵求逆很困难的问题。L2范数不仅可以防止过拟合，还可以让我们的优化求解变的稳定和迅速。
2022-04-01 20:28:41赞同 展开评论 打赏
问答标签：
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
