l1和l2正则化的区别是：
1、L1是模型各个参数的绝对值之和 。L2是模型各个参数的平方和的开方值 。
2、L1会趋向于产生少量的特征，而其他的特征都是0 ， 因为最优的参数值很大概率出现在坐标轴上，这样就会导致某一维的权重为0 ，产生稀疏权重矩阵 。L2会选择更多的特征，这些特征都会接近于0 。
3、最优的参数值很小概率出现在坐标轴上，因此每一维的参数都不会是0 。当最小化||w||时，就会使每一项趋近于0 。
【l1和l2正则化的区别 L1和L2正则】
经验总结扩展阅读
-
-
-
-
-
-
-
马尾辫|发型不对，容易显老！每个脸型都有自己对应的发型，照着剪很显嫩
-
曹颖想靠苹果肌维持童颜的女明星，还不如刘涛刘雯自然的高颧骨好看！
-
-
-
-
量子|中国天空射出红光，“世纪伟人”爱因斯坦的世纪之问瞬间被破解
-
-
2020年10月8号寒露出生的男孩怎么取名字高分，五行属什么
-
-
嫌弃自己太胖，女子一年减掉120斤，看到如今照片，网友懵了
-
一团蜜蜂怎么找蜂王,新收蜂群怎么确定有没有王，新收蜂群几天开始工作
-
-
-
