L1正则化
关注
分享
扫一扫
文章平均质量分 71
ilLanduo
这个作者很懒，什么都没留下…
展开
-
一文看懂L1正则化使得学习模型稀疏化（拉格朗日）
正则化是指通过对学习模型的参数进行限制，对学习模型的算法思想进行修改从而有效减小学习模型的泛化误差而非训练误差的方法。我们知道训练学习模型的意义并不在与其在训练数据上的表现，而在于实际面对未知数据时模型的表现能否令人满意。当使用结构十分复杂的模型结构进行训练时，可能会出现在训练数据上模型表现正常但在未知的新数据上模型表型不佳的情况，导致模型的泛化能力下降。此时我们就要使用正则化来降低模型的复杂度。L1正则化是通过对学习模型的损失函数添加L1范数项来实现系统的正则化。原创 2024-03-01 16:45:53 · 1923 阅读 · 1 评论 -
一文看懂L1正则化使得学习模型稀疏化的底层逻辑（泰勒展开数学推导）
L1正则化使得学习模型稀疏化的底层逻辑原创 2024-03-05 09:37:49 · 693 阅读 · 1 评论