机器学习中L1正则化和L2正则化的区别_在机器学习中,l1正则化和l2正则化有什么区别

作者：从前慢现在也慢 | 2024-05-15 19:39:28

踩

在机器学习中,l1正则化和l2正则化有什么区别

L1正则假设参数的先验分布是Laplace分布，可以保证模型的稀疏性，也就是某些参数等于0；

L2正则假设参数的先验分布是Gaussian分布，可以保证模型的稳定性，也就是参数的值不会太大或太小

在实际使用中，如果特征是高维稀疏的，则使用L1正则；如果特征是低维稠密的，则使用L2正则。

最后，附一张示意图。

右侧是L1正则，最优解位于坐标轴上，意味着某些参数是0。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/574672