【机器学习】岭回归（L2正则在干嘛！）

在之前我们有介绍过贝叶斯线性回归，贝叶斯线性回归利用了最大后验估计（MAP）加上权重的高斯分布先验推导出带有L2正则项的线性回归。 其实这就是岭回归，即     岭回归=MAP+高斯先验。 推导就参见贝叶斯线性回归了，其实两者就是一模一样的东西，不过贝叶斯线性回归更侧重于推导这个过程，因为用了MAP方法，而提到岭回归我们就会更去研究强调其L2正则项的一些特性与作用。 直接给出岭回归的推导结果： 强

>>阅读原文<<