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
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。
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。
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...