daisyliudi的专栏

L0范数——稀疏表示，非零参数的个数。但是L0范数是NP hard问题，搜索很费劲。L1范数是L0范数的最优化近似，L1范数是L0范数的最紧的凸松驰（比如函数存在多个局部极小值，我们可以松弛成凸函数，只有一个最小值），反正就是L0不能优化，L1可以优化，L1可以代替L0.L1是绝对值之和，把W中有些项优化为0.而L2是W每一项的平方和开方，结果是使得每一项的参数都比较小。可以防止过拟合 为

上个星期帮别人推导公式，主要是机器学习算法的优化。在网上找了一份资料，还没来得及好好研究，总结了机器学习中常见的求导，百度云里面有，之后有时间仔细研究。反正我基本都是根据这个推出来的，最后人家给了我1000块钱，还说我推导的很不错。虽然我也不知道我推的是啥！！！ 直接把图片传上来做个记录