l1 regularizations(更新待续)

本文探讨了L1正则在机器学习中的应用及其求解难题,由于L1正则在0点不可导,文章汇总了一些参考资料,旨在进一步总结有效的求解方法。

L1 正则由于其能够产生稀疏解,所以广泛应用在工业届中。由于L1正则在0点的不可导性,所以如何求解L1正则就是一个问题。等有时间了,我会总结一些求解L1正则的方法。
先转载一些找到的资料,之后进行整理。
https://www.researchgate.net/post/What_is_the_solution_to_this_specific_type_of_Lasso_optimization_problem
https://www.quora.com/Which-optimization-algorithms-can-be-used-to-solve-a-LASSO-problem
https://www.quora.com/In-practice-for-large-data-sets-which-algorithms-are-recommended-to-solve-Lasso
https://math.stackexchange.com/questions/868934/what-numerical-methods-are-known-to-solve-l-1-regularized-quadratic-programmin
http://www.cs.cmu.edu/afs/cs/project/link-3/lafferty/www/ml-stat2/talks/YondaiKimGLasso-SLIDE-YD.pdf
(更新待续。)

转载于:https://www.cnblogs.com/dagger14/p/6774467.html

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