首页
题库
面试
求职
学习
竞赛
More+
所有博客
搜索面经/职位/试题/公司
搜索
我要招人
去企业版
登录 / 注册
首页
>
试题广场
>
机器学习中几乎都可以看到损失函数后面会添加一个额外项,一般选
[问答题]
机器学习中几乎都可以看到损失函数后面会添加一个额外项,一般选用L1正则化和L2正则化,请简述他们的原理与
之间的区别。
查看答案及解析
添加笔记
求解答(0)
邀请回答
收藏(20)
分享
纠错
4个回答
添加回答
1
pein531
L1会趋向于产生少量的特征,而其他的特征都是0,而L2会选择更多的特征,但这些特征都会接近于0。在所有特征中只有少数特征起重要作用的情况下,选择L1比较合适,因为它能自动选择特征。而如果所有特征中,大部分特征都能起作用,而且起的作用很平均,那么使用L2也许更合适。L1不仅可以作为正则化手段,其在特征选择时候非常有用,而L2就只是一种规则化而已。
编辑于 2021-01-15 11:06:21
回复(0)
0
牛客874133995号
L1会趋向于产生少量的特征,而其他的特征都是0,而L2会选择更多的特征,但这些特征都会接近于0。在所有特征中只有少数特征起重要作用的情况下,选择L1比较合适,因为它能自动选择特征。而如果所有特征中,大部分特征都能起作用,而且起的作用很平均,那么使用L2也许更合适。L1不仅可以作为正则化手段,其在特征选择时候非常有用,而L2就只是一种规则化而已
编辑于 2022-02-28 17:10:44
回复(0)
0
在开会的加菲猫很超脱
正则化的不同其实就是范数的不同,L1正则化对所有参数的·惩罚力度都是一样,减少的是一个常量,可以让一部分权重变为0,因此产生稀疏模型能够去除某些特征,减少储存空间。L2正则化减少了权重的固定比例,使得权重平滑,L2正则化不会使得权重变为0,不会产生稀疏模型,可以选择更多的特,实现简单,能够起到正则化的作用。
发表于 2022-02-28 10:26:14
回复(0)
0
牛客220033171号
L1会趋向于产生少量的特征,而其他的特征都是0,而L2会选择更多的特征,但这些特征都会接近于0。在所有特征中只有少数特征起重要作用的情况下,选择L1比较合适,因为它能自动选择特征。而如果所有特征中,大部分特征都能起作用,而且起的作用很平均,那么使用L2也许更合适。L1不仅可以作为正则化手段,其在特征选择时候非常有用,而L2就只是一种规则化而已。
发表于 2021-08-23 14:34:18
回复(0)
这道题你会答吗?花几分钟告诉大家答案吧!
提交观点
问题信息
算法工程师
阅文集团
2021
来自:
2021届阅文机器学习...
上传者:
小小
难度:
4条回答
20收藏
1827浏览
热门推荐
相关试题
下列哪两个变量之间的相关程度高
数据分析师
途虎
2021
评论
(4)
来自
途虎养车2021秋招数据...
有三个企业的年利润额分别是5000...
数据分析师
途虎
2021
评论
(10)
来自
途虎养车2021秋招数据...
五月份的商品销售额为60万元,该月...
数据分析师
途虎
2021
评论
(2)
来自
途虎养车2021秋招数据...
为什么要进行归一化,有哪些归一化方...
算法工程师
阅文集团
2021
评论
(3)
来自
2021届阅文机器学习方...
比较LR和GBDT,什么情景下GB...
算法工程师
阅文集团
2021
评论
(3)
来自
2021届阅文机器学习方...
扫描二维码,关注牛客网
意见反馈
下载牛客APP,随时随地刷题