1.正则化定义
对机器学习算法的任何修改，可以减少其，但不减少其训练错误，这种修改方法就叫做正则化。
-
：
不希望在训练集上正确率非常高，但测试集上却一塌糊涂。
我们希望正则化不改变训练集上的错误率，但在测试集上使用时，准确率效果却不错。
2.正则化抑制网络过拟合
在损失函数中增加正则化项，可以抑制网络过拟合。正则化项的添加，使得权重的值减小，假设具有较小权重的模型对应更简单的模型，因此，它可以在很大程度上减小过拟合。
- 正则化的假设是：较小的权重对应更简单的模型。
3.正则化项
- 添加L1正则项：
L1正则.png
- 添加L2正则项：
L2正则.png
4.正则化特点
-
L1正则： lasso
L1正则特点.png -
L2正则： ridge
L2正则特点.png
-
EN网路：Elastic Net
将L1和L2正则化结合起来就构成了Elastic Net。(其中α控制了lasso和ridge的强度)
