(1)L1范式是对应参数向量绝对值之和 (2)L1范式具有稀疏性 (3)L1范式可以用来作为特征选择,并且可解释性较强(这里的原理是在实际Loss function中都需要求最小值,根据L1的定义可知L1最小值只有0,故可以通过这种方式来进行特征选择) (4)L2范式是对应参数向量的平方和,再求平方根 (5)L2范式是为了防止机器学习的过拟合,提升模型的泛化能力
标签: 范式、l1、l2、特征选择、最小值
笔试题
刷题
简历模板
AI算法
大数据
内推
内推: