在Logistic Regression 中,如果同时加入L1和L2范数,会产生啥效果

我可能也先A
■网友
从在LR加入正则化这个角度来说的话,正则化通常是求最大化后验的结果,也就是说通过对参数空间的选择提高了模型的泛化能力,也就是通常说的防止过拟合,在实际任务上确实存在提升准确率的效果。至于特征选择,选择完参数空间之后特征的选择也顺便完成了,如果这是一道多选题,那我选择AD。如果是非要单选那还是选A吧。
■网友
L1 LASSOL2 RidgeL1+L2 Elastic net都用于特征选择的。优点嘛可以参考作者自己是如何鼓吹L1+L2的。Regularization and variable selection via the elastic net
■网友
A,l1倾向于产生稀疏模型,这抛弃了一些无用的属性,并防止过拟合。
■网友
这个问题,也许你可以看看周志华的《机器学习》特征选择那一张,还是比较清晰的说出了L1与L2的内容的,我的个人意见应该是A。


    推荐阅读