Amaliy nuqtai nazardan, L1 koeffitsientlarni nolga tushirishga intiladi, L2 esa koeffitsientlarni teng ravishda qisqartiradi. Shuning uchun L1 funksiya tanlashda foydalidir, chunki biz nolga tushadigan koeffitsientlar bilan bog'liq har qanday o'zgaruvchilarni tashlab qo'yishimiz mumkin. L2, aksincha, sizda collinear/bir-biriga bog'liq xususiyatlar mavjud bo'lganda foydalidir.
Regulyarlashdan nima foydalanish kerak L1 va L2 tartibga solish nima?
L1 tartibga solish modelning funksiyalari uchun 0 dan 1 gacha boʻlgan ikkilik ogʻirliklarda chiqadi va katta oʻlchamli maʼlumotlar toʻplamidagi funksiyalar sonini kamaytirish uchun qabul qilingan. L2 tartibga solish xato atamalarini barcha vaznlarda tarqatadi, bu esa aniqroq moslashtirilgan yakuniy modellarga olib keladi.
L1 va L2 tartibga solish oʻrtasidagi farqlar qanday?
L1 va L2 tartibga solish oʻrtasidagi asosiy intuitiv farq shundaki, L1 tartibga solish maʼlumotlarning medianasini baholashga harakat qiladi, L2 tartibga solish esa ortiqcha moslashmaslik uchun maʼlumotlarning oʻrtacha qiymatini baholashga harakat qiladi. … Bu qiymat matematik jihatdan maʼlumotlar taqsimotining medianasi ham boʻladi.
Chuqur oʻrganishda L1 va L2 tartibga solish nima?
L2 regulyatsiyasi vaznning pasayishi deb ham ataladi, chunki u og'irliklarni nolga (lekin aniq nolga teng emas) yemirishga majbur qiladi. L1 da bizda bor: Bunda ogirliklarning mutlaq qiymatini jazolaymiz. L2 dan farqli o'laroq, bu erda og'irliklar nolga kamayishi mumkin. Shunday qilib, biz siqishga harakat qilganimizda, bu juda foydalibizning modelimiz.
L1 va L2 tartibga solish qanday ishlaydi?
L1 tartibga solish texnikasidan foydalanadigan regressiya modeli Lasso Regression deb ataladi va L2 ishlatadigan model Ridge Regression deb ataladi. Bu ikkalasi o'rtasidagi asosiy farq - bu jazo muddati. Ridj regressiyasi yo'qotish funksiyasiga jazo muddati sifatida koeffitsientning "kvadrat kattaligi"ni qo'shadi.
