标签: 稀疏解 - 文档

为什么L1正则化产生稀疏解而L2不会：几何与次梯度解释

2026-07-22 12:44:19

为什么L1正则化产生稀疏解而L2不会：几何与次梯度解释机器学习和统计建模中，正则化是防止过拟合、提升模型泛化能力的核心技术。两种最常用的正则化形式是L1正则化（Lasso）和L2正则化（Ridge）。它们的数学模型看似只差一个平方，但导致的参数解却有天壤之别——L1能使大量参数精确归零，产生稀疏解

L1正则化 L2正则化稀疏解

稀疏解 共 1 篇文章