Практикалык көз караштан алганда, L1 коэффициенттерди нөлгө чейин кыскартууга умтулат, ал эми L2 коэффициенттерди бирдей кыскартууга умтулат. Демек, L1 функцияны тандоо үчүн пайдалуу, анткени биз нөлгө бара турган коэффициенттерге байланышкан бардык өзгөрмөлөрдү таштай алабыз. L2, тескерисинче, коллинеардык/көз каранды функцияларыңыз болгондо пайдалуу.
Регуляризация эмне үчүн колдонулат L1 жана L2 регуляризация деген эмне?
L1 регуляризациясы моделдин өзгөчөлүктөрү үчүн 0дөн 1ге чейинки бинардык салмактарда чыгарууну берет жана чоң өлчөмдүү берилиштер топтомундагы функциялардын санын азайтуу үчүн кабыл алынган. L2 регуляризациясы ката терминдерин бардык салмактарга таратып, тагыраак ыңгайлаштырылган акыркы моделдерге алып келет.
L1 менен L2 регуляризациясынын ортосунда кандай айырмачылыктар бар?
L1 менен L2 регуляризациясынын негизги интуитивдик айырмасы - L1 регуляризациясы маалыматтардын медианасын баалоого аракет кылат, ал эми L2 регуляризациясы ашыкча тууралоону болтурбоо үчүн маалыматтардын орточо маанисин баалоого аракет кылат. … Бул маани математикалык жактан берилиштердин бөлүштүрүлүшүнүн медианасы болот.
Терең үйрөнүүдө L1 жана L2 нормалдаштыруу деген эмне?
L2 регуляризациясы салмактын бузулушу катары да белгилүү, анткени ал салмактарды нөлгө (бирок так нөлгө эмес) азайууга мажбурлайт. L1де, бизде: Бул жерде салмактардын абсолюттук маанисин жазалайбыз. L2ден айырмаланып, бул жерде салмактар нөлгө чейин кыскарышы мүмкүн. Демек, биз кысууга аракет кылып жатканыбызда абдан пайдалуубиздин модель.
L1 жана L2 регуляризациясы кантип иштейт?
L1 регуляризациялоо ыкмасын колдонгон регрессия модели Lasso регрессия деп аталат, ал эми L2 колдонгон модель Ridge регрессия деп аталат. Бул экөөнүн ортосундагы негизги айырма жаза мөөнөтү болуп саналат. Ридж регрессиясы жоготуу функциясына айып мөөнөтү катары коэффициенттин "квадраттык чоңдугун" кошот.
