【发布时间】:2020-09-20 02:33:06
【问题描述】:
我们知道 L1 和 L2 正则化是避免过拟合的解决方案。
L1 正则化,会导致稀疏性,因此避免拟合噪声。但是,L2 没有。
所以我想知道什么时候需要使用 L2 正则化?
【问题讨论】:
标签: machine-learning linear-regression
我们知道 L1 和 L2 正则化是避免过拟合的解决方案。
L1 正则化,会导致稀疏性,因此避免拟合噪声。但是,L2 没有。
所以我想知道什么时候需要使用 L2 正则化?
【问题讨论】:
标签: machine-learning linear-regression
L2 惩罚整个权重系数,但 L1 惩罚一些。因此,L2 适用于多重共线性输入,L1 适用于特征选择。
【讨论】: