L1正则化产生稀疏的权值，自动进行特征选择，去掉些没用的特征，也就是将它们的权重设为0；
L2正则化产生平滑的权值，功能是为了防止过拟合，当要求参数越小时，说明模型越简单，而模型越简单，则越趋向于平滑，从而防止过拟合。
比如w1等于0，那么w1对预测结果就没有作用了。
正则化力度大则参数趋于0，力度小则参数变化小（高阶项权重没变）
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
