损失函数———有关L1和L2正则项的理解

一、损失函： 模型的结构风险函数包括了   经验风险项  和  正则项，如下所示：   二、损失函数中的正则项 1.正则化的概念：       机器学习中都会看到损失函数之后会添加一个额外项，常用的额外项一般有2种，L1正则化和L2正则化。L1和L2可以看做是损失函数的惩罚项，所谓惩罚项是指对损失函数中某些参数做一些限制，以降低模型的复杂度。      L1正则化通过稀疏参数（特征稀疏化，降低权重

>>阅读原文<<