L1,L2正则化的原理与区别
是为了求招做的笔记，笔记中的内容很大一部分来自于我所看的一大部分博客，这篇我主要看的是链接: link. 文中标号的部分是我目前还没完全理解的部分。
正则化的目的
在我们做监督学习训练时，主要应用的思想是“最小化损失函数的同时规则化参数”， 最小化损失函数的目的是降低训练误差，拟合训练数据，参数的正则化是使得模型不过分拟合训练数据，提高模型的泛化能力。同时，规则化可以使模型具有很多其他的特性，可以将人的先验知识加入到模型之中，比如稀疏，低秩等。目前有几种角度看待规则化：
1：奥卡姆剃刀原则，规则化使得模型简单
2：贝叶斯分布角度，是加入了一个先验分布，L1是拉普拉斯分布，L2是高斯分布
3：结构风险最小化的实现
机器学习中的目标函数的普遍形式如下：
其中的选择是关于模型复杂度的单调递增函数，所以可以采用L0, L1，L2等范数进行计算。
L0与L1范数
L0范数是计算机非零元素的个数，可以使得参数w直接为0，可以直接地实现模型的稀疏性，但是在我们看到的模型中，都全部采用L1范数来实现模型的稀疏性。原因是L0范数的求解是NP难问题，而L1范数是它的凸近似，所以采用了L1范数近似。L1范数被称为“稀疏规则算子”。那么，为什么要实现模型的稀疏性：
- 稀疏性起到了特征选择的作用，如果输入1000维的特征，并不是每个特征都起到了效果，筛选出重要的特征，使其他的特征权重为0，这样，在测试其他数据的时候，与模型没关系的特征就不需要考虑进去。
- 稀疏性也有很好的可解释性。
L2范数
L2范数也被称为“权重衰减”和“岭回归”，L2的主要作用是解决过拟合，L2范数是所有权重的平方开方和，最小化L2范数，使得权重趋近于0，但是不会为0。那么为什么参数的值小，就能避免过拟合。模型的参数比较小，说明模型简单，泛化能力强。参数比较小，说明某些多项式分支的作用很小，降低了模型的复杂程度。其次参数很大，一个小的变动，都会产生很大的不同。那么L2范数的好处:
- 理论方向：减少过拟合，提高泛化能力；
- 优化理论：这部分有点复杂，L2范数有助于处理 condition number不好的情况下矩阵求逆很困难的问题。
condition number:当给定一个方程组，AX=B,如果A,B都稍微改变一点，就导致方程解变化很大，那么就是ill-condition，否则是well-condition，其中condition number就是它的衡量标准。（这部分理论还没明白）
L1,L2正则化区别
1：下降的速度
L1，L2都是规则化的方式，最小化目标函数，类似于一个下坡的过程，所以它们下降的坡不同，L1是按照绝对值函数下坡，L2是按照二次函数下坡，在0附近，L1的速度更快。
2：模型空间的限制
L1会将模型限制一个正方形区域，L2将模型限制在一个圆的区域，二维情况如图所示：
其中L1的限制，使得大部分都在角的部分相交，就使得某些参数为0，而L2没有突出的角，所以不能使得参数为0。总结就是L1会使得某些参数为0，具有稀疏性，而L2没有这个功能，使得参数的值比较小去降低过拟合。
正则化参数的选择
在正则化前面的是一个超参，控制着训练误差与参数规则化之间的权重关系，调超参是个很困难的事情，两种方法吧：
1：交叉验证，通过验证结果确定超参；
2：首先计算出大概loss的取值范围和规则化的参数范围，缩小搜索的空间。