本文通过线性回归模型，对比L1范数和L2范数的鲁棒性。L1范数线性回归在拟合数据时对大部分点的误差较小，对少数异常值忽略，展现出鲁棒性；而L2范数的误差分布更均匀，对所有样本影响一致，无法区分异常值。在数据分布多模态且非噪声影响时，L2范数可能提供更好的拟合效果。
我们以线性回归为例子，来验证L1 norm 相对于L2 norm 具有鲁棒性。
L1 norm 线性回归模型：
min_{w} \vert w^TX-b \vert_1L2 norm 模型：
min_{w} \vert w^TX-b \vert_2我们以误差 error 来考察两种模型的效果：
error(i) = w^Tx_i - b_imatlab代码见下文
其结果为：
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
