我们知道 L1 和 L2 正则化是避免过度拟合的解决方案。
L1 正则化会导致稀疏性,从而避免拟合噪声。但是,L2 不会。
所以我想知道什么时候需要使用 L2 正则化?
L2 惩罚整个权重系数,但 L1 惩罚一些。因此,L2 适用于多重共线输入,L1 适用于特征选择。
我们知道 L1 和 L2 正则化是避免过度拟合的解决方案。
L1 正则化会导致稀疏性,从而避免拟合噪声。但是,L2 不会。
所以我想知道什么时候需要使用 L2 正则化?
L2 惩罚整个权重系数,但 L1 惩罚一些。因此,L2 适用于多重共线输入,L1 适用于特征选择。
javascript python java c# php android html jquery c++ css ios sql mysql arrays asp.net json python-3.x ruby-on-rails .net sql-server django objective-c excel regex ruby linux ajax iphone xml vba spring asp.net-mvc database wordpress string postgresql wpf windows xcode bash git oracle list vb.net multithreading eclipse algorithm macos powershell visual-studio image forms numpy scala function api selenium