【机器学习】L1正则化与L2正则化详解及解决过拟合的方法

在详细介绍L1与L2之前，先讲讲正则化的应用场景。 正则化方法：防止过拟合，提高泛化能力 所谓过拟合（over-fitting）其实就是所建的机器学习模型或者是深度学习模型在训练样本中表现得过于优越，导致在验证数据集以及测试数据集中表现不佳。 造成过拟合的本质原因是模型学习的太过精密，导致连训练集中的样本噪声也一丝不差的训练进入了模型。 所谓欠拟合（under-fitting），与过拟合恰好相反，

>>阅读原文<<