L1正则项-稀疏性-特征选择

原文链接: http://chenhao.space/post/b190d0eb.html L1正则化可以产生稀疏权值矩阵，即产生一个稀疏模型，可以用于特征选择。 所谓稀疏模型就是模型中很多的参数是0，这就相当于进行了一次特征选择，只留下了一些比较重要的特征，提高模型的泛化能力，降低过拟合的可能。 那么问题来了，为什么L1正则化会产生稀疏解？ L1/L2正则化损失函数 线性回归L1正则化损失函数：

>>阅读原文<<