您的位置: 首页 > 文章 > L1和L2正则项的学习 L1和L2正则项的学习 分类: 文章 • 2024-05-04 14:19:52 参考链接1 关于稀疏性的问题,我们不做过多的研究与讨论,进我们我们从MAP的角度看看L1和L2正则项会让参数W变成一个什么样的分布。 从MAP的角度看的话,我们加入正则项的目的相当于给模型先验项,而L1和L2的区别在于,我们是预先觉得我们的模型属于什么分布的? 如果我们预先觉得模型的参数w分布符合:标准拉普拉斯分布,那么这就是L1正则化: 如果认为是标准的正太分布的化:那么他就可以转化为L2分布: