優秀文章:https://zhuanlan.zhihu.com/p/29957294
一、歸一化
歸一化目的是將數據映射到同一個範圍,增加可比性。
二、標準化
標準化目地是加速收斂,更快找到最優解,計算上與正態分佈標準化類似,變換在空間中的位置。
三、正則化
正則化目的是避免過擬合,減少誤差。計算上在一般loss函數上加上正則項,有L1正則,L2正則,可以看做是損失函數的懲罰項。使用L1正則化的模型叫做Lasso迴歸,使用L2正則化的模型叫做Ridge迴歸。
L1正則化是指權值向量中各個元素的絕對值之和。可以產生稀疏權值矩陣,換句話就是能夠得到某些權值爲0的解,可用於特徵選擇。
L2正則化是指權值向量w中各個元素的平方和然後再求平方根。