高斯，拉普拉斯分布

一般来说我们可以使用正则化来避免过度拟合。但是实际上什么是正则化，什么是通用技术，以及它们有何不同？ “正规化是我们对学习算法所做的任何修改，旨在减少其泛化误差，而不是其训练误差。” 换句话说：通过防止算法过度拟合训练数据集，可以将正则化用于训练对看不见的数据更好地泛化的模型。 那么，如何修改逻辑回归算法以减少泛化误差呢？ 我发现的常见方法是高斯，拉普拉斯，L1和L2。 高斯还是L2，拉普拉斯还是

>>阅读原文<<