l1和l2正则化的区别


l1和l2正则化的区别是:
1、L1是模型各个参数的绝对值之和 。L2是模型各个参数的平方和的开方值 。
2、L1会趋向于产生少量的特征,而其他的特征都是0,因为最优的参数值很大概率出现在坐标轴上,这样就会导致某一维的权重为0,产生稀疏权重矩阵 。L2会选择更多的特征,这些特征都会接近于0 。
3、最优的参数值很小概率出现在坐标轴上,因此每一维的参数都不会是0 。当最小化||w||时,就会使每一项趋近于0 。
【l1和l2正则化的区别】

    推荐阅读