L1正则化使得模型参数具有稀疏性的原理

 这个问题是在看正则化的问题引出的，正则化(regularization)是为了解决模型过拟合的问题引出的，为什么会发生过拟合的问题呢，Sparsity and Some Basics of L1 Regularization这篇文章中有提到。 该文章中以线性回归为例,是数据矩阵，是由标签组成的列向量。该问题具有解析解  其中p表示的是特征的维度，n表示的是样本数据的数量，当p远大于n的时候,将会

>>阅读原文<<