简单来说就是既有L1的稀疏效果,也有L2使权重趋于0的效果。
比如:
L1的效果: 100x1+ 0.1x2 + 0x3
L2的效果: 0.85x1 + 0.79x2 + 0.69x3
L1+L2的效果: 0.95x1 + 0.68x2 + 0*x3
L1+L2正则化
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
- 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
推荐阅读更多精彩内容
- 正则化(Regularization) 机器学习中几乎都可以看到损失函数后面会添加一个额外项,常用的额外项一般有两...
- 农村过去有很多特殊行业,不过随着时间的发展,这些行业已经被淘汰了,他们为社会做出了巨大的贡献,时不时还会想起他们来...