机器学习面试-处理回归问题

● L1和L2正则化的区别 参考回答： L1是模型各个参数的绝对值之和,L2为各个参数平方和的开方值。L1更趋向于产生少许的特征,其它特征为0,最优的参数值很大几率出如今坐标轴上,从而致使产生稀疏的权重矩阵,而L2会选择更多的矩阵,可是这些矩阵趋向于0。算法 ● 问题：Loss Function有哪些，怎么用？ 参考回答： 平方损失（预测问题）、交叉熵（分类问题）、hinge损失（SVM支持向量机

>>阅读原文<<