机器学习里面，在损失函数里会引入L2范数来作为正则化项，那么它的作用是什么，我在知乎里找到了答案。
链接：https://www.zhihu.com/question/35508851
L1是假设参数服从双指数分布，利于保证权值向量的稀疏性；L2是假设参数服从高斯分布，利于防止过拟合。即权重的平方和。
关于L1范式、L2范式参照：https://www.jianshu.com/p/78bb8f2032e2
机器学习中引入L2范数的意义
©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
- 101.深度学习（CNN RNN Attention）解决大规模文本分类问题。 用深度学习（CNN RNN Att...
- 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...
- 中文文档:http://sklearn.apachecn.org/cn/0.19.0/tutorial/basic...
- 姓名：朱睿琦 学号：15180288015 参考：http://blog.csdn.net/zouxy09 【嵌牛...
- 机器学习讲座总结-北航-互联网应用下的大规模在线学习算法(四)-为什么要正则化 监督机器学习问题无非就是“mini...
