min f(x;w)+lamada*J(w)
为什么要进行正则化？
控制模型复杂度，避免过拟合
从统计学或者从实际应用的角度来说还有很多其他原因：
（1）变量选择(目前课题相关，不就是降维么?)
（2）降维
（3）以上是统计学中的说辞，机器学习中，我们比较常说的是，稀疏化
关于正则化项J(w)的选择
L1范数,（其实就是统计学中大名鼎鼎的LASSO）
L2范数的正则项，其实就是岭回归
相关文章：
猜你喜欢
相关资源
相似解决方案
热门标签