L1正则和L2正则

L1和L2正则化： 我们所说的正则化，就是在原来的loss function的基础上，加上了一些正则化项或者称为模型复杂度惩罚项。 结构风险最小化： 在经验风险最小化的基础上（也就是训练误差最小化），尽可能采用简单的模型，以此提高泛化预测精度。 那现在我们就看看加了L1正则化和L2正则化之后，目标函数求解的时候，最终解有什么变化。 图像解释（假设X为一个二维样本，那么要求解参数 [公式] 也是二维

>>阅读原文<<