浅谈15--------- L0、L1、L2正则化区别

1、概念  　　L0正则化的值是模型参数中非零参数的个数。 　　L1正则化表示各个参数绝对值之和。 　　L2正则化标识各个参数的平方的和的开方值。 2、问题  　　1）实现参数的稀疏有什么好处吗？ 　　一个好处是可以简化模型，避免过拟合。因为一个模型中真正重要的参数可能并不多，如果考虑所有的参数起作用，那么对训练数据可以预测的很好，但是对测试数据就只能呵呵了。另一个好处是参数变少可以使整个模型获得

>>阅读原文<<