[机器学习]正则化方法 -- Regularization

那添加L1和L2正则化有什么用？下面是L1正则化和L2正则化的作用，这些表述可以在很多文章中找到。

L1正则化可以产生稀疏权值矩阵，即产生一个稀疏模型，可以用于特征选择
L2正则化可以防止模型过拟合（overfitting）；一定程度上，L1也可以防止过拟合

相关文章：

2021-10-22
2021-07-09
2021-10-13
2021-09-22
2021-05-11
2022-01-07

猜你喜欢

2022-12-23
2021-07-18
2021-06-04
2022-12-23
2021-12-08
2021-09-17

相关资源

下载 2023-03-03
下载 2021-06-05
下载 2023-01-02

相似解决方案

热门标签

Java Python linux javascript Mysql C# Docker 算法前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库数据结构大数据 js 机器学习微服务 Android Go 程序员面试 JVM ASP.net core 云原生人工智能后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习多线程 React 架构 devops 爬虫云计算 Spring Boot LeetCode