首页 > 试题广场 >

关于L1正则和L2正则下面的说法正确的是

[单选题]

L2范数可以防止过拟合，提升模型的泛化能力。但L1正则做不到这一点

L2正则化标识各个参数的平方的和

L2正则化又叫做"Lasso regularization"

查看正确选项

拾陆humin

(1) L1范数和L2范数均可以降低过拟合的风险；

(2) L0正则化的值是模型中非零参数分个数；

L1正则化值是模型中各个参数绝对值之和；

L2正则化标识各个参数平方和的开方值；

(3) 引入L2范数防止过拟合，被称为岭回归(ridge regression)，也被称为Tikhonov回归(岭回归最初由A.Tikhonov 发表)；

将L2范数换成L1范数后，称为LASSO (Least Absolute Shrinkage and Selection Opreator);

(4) L1范数和L2范数都有助于降低过拟合风险，但L1范数更易获得稀疏解，即具有更少的非零分量。

编辑于 2019-05-17 09:41:03 回复(0)

提交观点

问题信息

算法工程师携程 2019 大数据开发工程师

上传者：小小

难度：

1条回答 66收藏 6873浏览

扫一扫，把题目装进口袋