登录
注册
首页
->
机器学习
下载题库
简述正则化项中的L1和L2方法。
答:[参考正则化(Normalization)是一种抑制模型复杂度的常用方法。L1正则化和L2正则化可以看作损失函数的惩罚项。L1正则化是指权值向量w中各个元素的绝对值之和。L2正则化是指权值向量w中各个元素的平方和然后再求平方根(可以看到Ridge 回归的L2 正则化项有平方符号)。L1正则化可以产生稀疏权值矩阵,即产生一个稀疏模型,可以用于特征选择;L2正则化可以防止模型过拟合;一定程度上,L1正则化也可以防止过拟合。]
继续答题:
下一题
更多机器学习试题
1
逻辑回归模型sklearn.linear_model.LogisticRegression(solver=‘liblinear’, penalty=‘l2’, C = 1.0)中参数C的含义是___________。
2
用于将JSON文件转换为Pandas对象的函数是________()
3
安装Pandas的命令是________
4
神经网络优化计算存在的问题有______。 ( )
5
Dataframe.tail()是现实底部最后3行数据