可以从几何意义来理解这一类的问题？可以从哪几方面理解的
2个回答
从数学来讲，相当于给你的损失函数之后再加了一项代表模型复杂度的项，不同的正则化方式有不同的模型复杂度的表征方式（比如L1,L2），这样你的模型在训练的时候，除了考虑本身的损失函数，还要去尝试优化模型复杂度这一项，最终得到的结果是损失函数和模型复杂的一个trade-off，降低了过拟合的风险/
tianjiayang0711
2018-08-23 12:45
相关主题
L0 norm 正则是什么意思？
1回答
正则项里的L1，L2是什么意思？
1回答
训练集加入噪声防止over fitting还是加剧overfitting？
3回答
无监督学习（比如K Means）里怎么加正则项来防止过拟合
3回答
为什么过拟合不好？
8回答
线下训练集和测试集防过拟合
1回答
我们谢绝在回答前讲“生动”的故事。
我们谢绝“这么简单，你自己想”、“书上有的，你认真看”这类的回答；如果你认为对方的提问方式或者内容不妥，你可以直接忽略该问题，不用进行任何作答，甚至可以对该问题投反对票。
我们谢绝答非所问。
我们谢绝自己不会、硬要回答。
我们感激每一个用户在编写答案时的努力与付出！
