l1和l2正則化的區別是：
1、L1是模型各個參數的絕對值之和 。L2是模型各個參數的平方和的開方值 。
2、L1會趨向于產生少量的特征，而其他的特征都是0 ， 因為最優的參數值很大概率出現在坐標軸上，這樣就會導致某一維的權重為0 ，產生稀疏權重矩陣 。L2會選擇更多的特征，這些特征都會接近于0 。
3、最優的參數值很小概率出現在坐標軸上，因此每一維的參數都不會是0 。當最小化||w||時，就會使每一項趨近于0 。
【l1和l2正則化的區別 L1和L2正則】
經驗總結擴展閱讀
-
居家藝術 迷迭香不好養活，也不見開花？選這個品種試試，它香味濃好養活最重要的是花期還長
-
-
皮鞋二哈拆家不小心翻出男主人的皮鞋，里面竟藏2萬塊：看你干的好事
-
-
-
-
|大富豪“的士招”：為何10億遺產都歸二房，原配9個子女一分沒有
-
-
-
-
-
-
文/七月長安-網上有句話說得好：“男人是重情重義的|讓男人動情的女人，多半做到了這3點
-
2022年農歷九月初七宜挖墳墓嗎 2022年10月2日是挖墳墓吉日嗎
-
星座不求人|12星座下周運勢分析（7月13日~7月18日）
-
-
-
-
-
