Практик талаас нь авч үзвэл L1 нь коэффициентийг тэг болгон багасгах хандлагатай байдаг бол L2 нь коэффициентийг жигд багасгах хандлагатай байдаг. Тиймээс L1 нь боломжийг сонгоход хэрэг болно, учир нь бид тэг рүү орох коэффициенттэй холбоотой аливаа хувьсагчийг хасаж болно. Нөгөө талаас, L2 нь хоорондоо уялдаа холбоотой/хамааралтай шинж чанаруудтай үед хэрэгтэй.
Жорчлол гэж юу вэ L1 ба L2 зохицуулалт гэж юу вэ?
L1 зохицуулалт нь загварын онцлогуудын хувьд 0-ээс 1 хүртэлх хоёртын жингээр гаралтыг өгдөг бөгөөд асар том хэмжээст өгөгдлийн багц дахь функцүүдийн тоог багасгахад зориулагдсан. L2 зохицуулалт нь бүх жингийн алдааны нэр томьёог тарааж, илүү нарийвчлалтай тохируулсан эцсийн загвар гаргахад хүргэдэг.
L1 болон L2 зохицуулалтын хооронд ямар ялгаа байдаг вэ?
L1 ба L2 зохицуулалтын гол зөн совингийн ялгаа нь L1 зохицуулалт нь өгөгдлийн медианыг тооцоолохыг оролддог бол L2 зохицуулалт нь хэт тааруулахаас зайлсхийхийн тулд өгөгдлийн дундажийг тооцоолохыг оролддог. … Энэ утга нь математикийн хувьд өгөгдөл түгээлтийн медиан болно.
Гүнзгий суралцахад L1 ба L2-г тогтмолжуулах гэж юу вэ?
L2 зохицуулалтыг жингийн бууралт гэж бас нэрлэдэг бөгөөд энэ нь жинг тэг рүү (гэхдээ яг тэг биш) задлахад хүргэдэг. L1-д бид: Үүнд, бид жингийн үнэмлэхүй утгыг шийтгэдэг. L2-ээс ялгаатай нь энд жинг тэг болгож бууруулж болно. Тиймээс бид шахах гэж оролдох үед энэ нь маш хэрэгтэй байдагманай загвар.
L1 болон L2-ийн зохицуулалт хэрхэн ажилладаг вэ?
L1 зохицуулалтын техникийг ашигладаг регрессийн загварыг Lasso регресс, L2 ашигладаг загварыг Ridge регресс гэж нэрлэдэг. Энэ хоёрын гол ялгаа нь торгуулийн хугацаа юм. Рижийн регресс нь алдагдлын функцэд торгуулийн нөхцөл болгон коэффициентийн “квадрат хэмжээг” нэмдэг.
