机器学习中正则化项L1和L2

机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种，一般英文称作ℓ1-norm和ℓ2-norm，中文称作 L1正则化 和 L2正则化，或者 L1范数 和 L2范数。  他们的作用： 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 L1的作用主要是使得一些不重要的 特征变为0 ， L2正则化 可以防止模型过拟合（overfitting）；一定程度

>>阅读原文<<