L1和L2正则化区别

前端之家收集整理的这篇文章主要介绍了L1和L2正则化区别前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

1. L1和L2的定义

L1正则化,又叫Lasso Regression

如下图所示,L1是向量各元素的绝对值之和



L2正则化,又叫Ridge Regression

如下图所示,L2是向量各元素的平方和



2. L1和L2的异同点

相同点:都用于避免过拟合

不同点:L1可以让一部分特征的系数缩小到0,从而间接实现特征选择。所以L1适用于特征之间有关联的情况。

L2让所有特征的系数都缩小,但是不会减为0,它会使优化求解稳定快速。所以L2适用于特征之间没有关联的情况


3.L1和L2的结合

L1和L2的优点可以结合起来,这就是Elastic Net



参考:http://blog.csdn.net/sinat_26917383/article/details/52092040

猜你在找的正则表达式相关文章