深度学习面试

本文介绍了两种常见的范数——L1范数与L2范数,并详细解释了它们的应用场景。L1范数广泛应用于特征选择,能产生稀疏的求解;而L2范数则适用于对较高方差输入的特征进行权重收缩。

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

1 列举常见的范数以及其应用场景

L1 :L1正则化会产生稀疏的求解,会使参数变得更加稀疏,广泛的用于特征选择。
L2:对较高方差输入的x,与输出目标协方差较小的特征权重将要收缩。

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
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