标签：loss 的区别 UNC 选择 绝对值 学习 机器学习 试题 泛化
(1) L1范式是对应参数向量绝对值之和
(2) L1范式具有稀疏性
(3) L1范式可以用来作为特征选择，并且可解释性较强（这里的原理是在实际Loss function 中都需要求最小值，根据L1的定义可知L1最小值只有0，故可以通过这种方式来进行特征选择）
(4) L2范式是对应参数向量的平方和，再求平方根
(5) L2范式是为了防止机器学习的过拟合，提升模型的泛化能力
标签：loss 的区别 UNC 选择 绝对值 学习 机器学习 试题 泛化
原文地址：https://www.cnblogs.com/yeran/p/10485154.html
