L1和L2比最大的区别是L1得到的参数解有更多的零，就是解更稀疏。
有两种较直观的解释：
1.最小均方函数导数不为0时，L2导数加上最小均方函数导数肯定不为0。但是L1的正则项是绝对值函数，导数为0只要在x从左边趋向于0和从右边趋向于0时导数异号就行，所以更容易得到稀疏解。
2.目标函数最小均方差解空间为同心圆，L2解空间也为同心圆，L1解空间为菱形，两个解空间相交处为最优值。如图1所示。
目标函数和正则式解空间
线性回归Lasso（L1）和岭回归（L2）区别
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
相关阅读更多精彩内容
- 姓名：朱睿琦 学号：15180288015 参考：http://blog.csdn.net/zouxy09 【嵌牛...
- 引入 监督学习的过程可以概括为：最小化误差的同时规则化参数。最小化误差是为了让模型拟合训练数据，规则化参数是为了防...
- 谷歌开发者机器学习词汇表：纵览机器学习基本词汇与概念 姓名：钟航 转载自：http://mp.weixin.qq....
- 介绍 我正在和一位刚刚在印度超市连锁店担任运营经理的朋友说话。在我们的讨论中，我们开始谈论在印度节日（排灯节）开始...
- 1. 最小二乘法（Least squares） 最小二乘法是一种数学优化技术，它通过最小化误差的平方来寻找数据的最...
