人工智能基础_机器学习027_L2正则化_岭回归_非稀疏性_原理解读_公式推导---人工智能工作笔记0067

本文详细解读了L2正则化,即岭回归的原理,通过公式推导展示了L2正则化非稀疏性的特点。通过画图解释了L2范数的几何意义,并探讨了L2正则在优化过程中如何影响权重,指出L2正则化不具稀疏性。

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

然后我们再来看一下岭回归,也就是第二范数对吧,

他的公式,平方以后,加和然后开平方.L2的公式是

可以看到L2公式,也是有个阿尔法,惩罚项对吧.

可以看到因为L2带有平方,所以他的图形是个圆形

我们可以把L2范数,进行画出来看看

这里我们先看L2的公式,这里我们让

这个公式写成1 = 阿尔法(x^2+y^2)

然后我们让阿尔法=1 然后我们

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