机器学习中使用正则化 L1范数和L2范数的原因
在机器学习中，损失函数后面通常都会添加一个额外项，用于防止过拟合，提高算法的泛化能力，称为正则化惩罚（regularization penalty）。 为什么要添加这一项呢？大家可以想一下，原来没有这一项时，损失函数LLL的公式可以表示如下：L=1N∑ni=1LiL=1N∑i=1nLiL = \frac{1}{N} \sum_{i=1}^n L_i 上面这个公式有一个问题，假设有一个数...
