人工智能基础_机器学习023_理解套索回归_认识L1正则---人工智能工作笔记0063

本文介绍了L1正则化如何提高模型的泛化能力,通过线性回归损失函数与L1正则的结合形成套索回归。L1正则通过绝对值约束权重,降低过拟合风险,使得模型曲线更加平滑。L1正则的几何意义关联到曼哈顿距离,帮助直观理解其作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

然后上一节我们说了L1,L2正则是为了提高,模型的泛化能力,

提高泛化能力,实际上就是把模型的公式的w,权重值,变小对吧.

然后我们这里首先看第一个L1正则,是怎么做到把w权重变小的

可以看到最上面是线性回归的损失函数,然后

L1可以看到,这个正则,就是在损失函数的基础上给损失函数,添加了一个带有绝对值的||所有的w的和对,不过这里,又有一个阿尔法对吧.

这个阿尔法是用来调节,这个泛化能力强弱的,其实就是用来调节|w|,w权重的绝对值之和,这L1正则的,所占的比重对吧.

我们知道如果不添加正则化,那么出现过拟合的话,会是2这种图,可以看到,有很多地方的拐点,比较陡峭,我们知道w指的是斜率,那么曲线,曲里拐弯,说明斜率大对吧,其实就是w大,那么我们要做的就是

用L1,或者L2来降低w,把这个曲线,2这个曲线捋直,成3这个曲线对吧,让模型,不再死板,可以举一反三.

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

添柴程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值