L1,L2正则

总体概述： L1 L 1 正则： L1=α∥ω∥1 L 1 = α ‖ ω ‖ 1 ,其中 α α 为惩罚系数， ω ω 为线性模型的参数。表示权值的绝对值之和最小。使他变最小的趋势就是希望模型参数中为0的项多一些，即稀疏。 提到L1，自然而然会想到为什么没有L0.其实是有的。L0表示的含义是参数中非零项的个数。他的趋势也是希望模型参数会尽可能多的为0.但是实际上我们常用的却是L1或者L2.原因在

>>阅读原文<<