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,一般选用L1正则化和L2正则化,请简述他们的原理与 之间的区别。-笔试面试资料

这是qklbishe.com第5958 篇笔试面试资料
提供答案分析,通过本文《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,一般选用L1正则化和L2正则化,请简述他们的原理与 之间的区别。-笔试面试资料》可以理解其中的代码原理,这是一篇很好的求职学习资料
本站提供程序员计算机面试经验学习,笔试经验,包括字节跳动/头条,腾讯,阿里,美团,滴滴出行,网易,百度,京东,小米,华为,微软等互联网大厂真题学习背诵。

答案:
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,一般选用L1正则化和L2正则化,请简述他们的原理与之间的区别。

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,一般选用L1正则化和L2正则化,请简述他们的原理与 之间的区别。 零葬
L1会趋向于产生少量的特征,而其他的特征都是0,而L2会选择更多的特征,但这些特征都会接近于0。在所有特征中只有少数特征起重要作用的情况下,选择L1比较合适,因为它能自动选择特征。而如果所有特征中,大部分特征都能起作用,而且起的作用很平均,那么使用L2也许更合适。L1不仅可以作为正则化手段,其在特征选择时候非常有用,而L2就只是一种规则化而已。
今天 11:06:21 回复(0)

文章部分来自互联网,侵权联系删除
www.qklbishe.com

区块链毕设网(www.qklbishe.com)全网最靠谱的原创区块链毕设代做网站
部分资料来自网络,侵权联系删除!
资源收费仅为搬运整理打赏费用,用户自愿支付 !
qklbishe.com区块链毕设代做网专注|以太坊fabric-计算机|java|毕业设计|代做平台 » 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,一般选用L1正则化和L2正则化,请简述他们的原理与 之间的区别。-笔试面试资料

提供最优质的资源集合

立即查看 了解详情