Note | 机器学习中的范数正则化

目录 1. \(l_0\)范数和\(l_1\)范数 2. \(l_2\)范数 3. 核范数（nuclear norm） 参考文献 使用正则化有两大目标： 抑制过拟合； 将先验知识融入学习过程，比如稀疏、低秩、平滑等特性。 结合第二点以及贝叶斯估计的观点，正则化项（regularizer）就是先验概率项。 监督学习中绝大多数任务都可以概括为以下最小化目标： \[ w^* = \arg\min_w {

>>阅读原文<<