AI：机器学习的正则化 (Regularization）机器学习：正则化 (Regularization）正则化的方法1.参数正则化2. 经验正则化（早停、丢弃Dropout）博主热门文章推荐：
机器学习之正则化 (Regularization）1.参数正则化1.1 L2 Regularization（Ridge Regression，权重衰减）1.2 L1 Regularization：将噪点相关权重系数设为0（也叫稀疏正则化）1.3 L1/L2对比：2. 经验正则化（早停、丢弃Dropout）为什么要正则化：让模型不要过于依赖样本数据 - 正则化主要思想：降低模型的复杂度 - 正则化主要目的：防止模型过拟合 - 正则化实现思路：最小化损失Loss+ 最小复杂度
