Практикалық тұрғыдан алғанда, L1 коэффициенттерді нөлге дейін қысқартуға бейім, ал L2 коэффициенттерді біркелкі азайтуға бейім. Сондықтан L1 мүмкіндік таңдау үшін пайдалы, өйткені нөлге баратын коэффициенттермен байланысты кез келген айнымалы мәндерді алып тастай аламыз. L2, керісінше, коллинеарлық/байланысты мүмкіндіктер болған кезде пайдалы.
Реттеу не үшін қолданылады L1 және L2 реттеу дегеніміз не?
L1 реттеуі үлгі мүмкіндіктері үшін 0-ден 1-ге дейінгі екілік салмақта шығыс береді және үлкен өлшемді деректер жинағындағы мүмкіндіктер санын азайту үшін қабылданған. L2 реттеуі дәлірек теңшелген соңғы үлгілерге әкелетін барлық салмақтардағы қате шарттарын таратады.
L1 және L2 регуляризациясының қандай айырмашылығы бар?
L1 және L2 реттеуінің негізгі интуитивті айырмашылығы мынада: L1 реттеуі деректердің медианасын бағалауға тырысады, ал L2 реттеуі шамадан тыс сәйкестендіруді болдырмау үшін деректердің орташа мәнін бағалауға тырысады. … Бұл мән математикалық түрде деректерді таратудың медианасы болады.
Терең оқытудағы L1 және L2 ретке келтіру дегеніміз не?
L2 реттеуі салмақтың ыдырауы ретінде де белгілі, өйткені ол салмақтарды нөлге қарай ыдырауға мәжбүр етеді (бірақ дәл нөлге емес). L1-де бізде: біз салмақтардың абсолютті мәнін жазалаймыз. L2-ден айырмашылығы, мұнда салмақтар нөлге дейін азайтылуы мүмкін. Сондықтан, біз қысуға тырысқанда өте пайдалыбіздің үлгі.
L1 және L2 реттеуі қалай жұмыс істейді?
L1 реттеу әдісін пайдаланатын регрессия үлгісі Lasso регрессиясы деп аталады, ал L2 пайдаланатын модель жоталы регрессия деп аталады. Бұл екеуінің арасындағы негізгі айырмашылық - айыппұл мерзімі. Жотаның регрессиясы шығын функциясына айыппұл шарты ретінде коэффициенттің "шаршы шамасын" қосады.
