目标函数中同时使用多个L1和L2正则化项的情况，应该怎么求解
答案:1 悬赏:60 手机版
解决时间 2021-02-15 09:26
- 提问者网友：战魂
- 2021-02-14 15:24
目标函数中同时使用多个L1和L2正则化项的情况，应该怎么求解
最佳答案
- 五星知识达人网友：一把行者刀
- 2021-02-14 16:02
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。
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。
我要举报
如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！
点此我要举报以上问答信息
大家都在看
推荐资讯