比较全面的L1和L2正则化的解释
机器学习算法那些事2018-12-28 09:27
线性模型常用来处理回归和分类任务，为了防止模型处于过拟合状态，需要用L1正则化和L2正则化降低模型的复杂度，很多线性回归模型正则化的文章会提到L1是通过稀疏参数（减少参数的数量）来降低复杂度，L2是通过减小参数值的大小来降低复杂度。网上关于L1和L2正则化降低复杂度的解释五花八门，易让人混淆，看完各种版本的解释后过几天又全部忘记了。因此，文章的内容总结了网上各种版本的解释，并加上了自己的理解，希望对大家有所帮助。
目录
1、优化角度分析
2、梯度角度分析
3、先验概率角度分析
4、知乎点赞最多的图形角度分析
5、限制条件角度分析
6.、PRML的图形角度分析
7、总结
1. 优化角度分析
1）、L2正则化的优化角度分析
在限定的区域，找到使
最小的值。
图形表示为：
上图所示，红色实线是正则项区域的边界，蓝色实线是
的等高线，越靠里的等高圆，
越小，梯度的反方向是
减小最大的方向，用
表示，正则项边界的法向量用实黑色箭头表示。
正则项边界在点P1的切向量有
负梯度方向的分量，所以该点会有往相邻的等高虚线圆运动的趋势；当P1点移动到P2点，正则项边界在点P2的切向量与
梯度方向的向量垂直，即该点没有往负梯度方向运动的趋势；所以P2点是
最小的点。
结论：L2正则化项使值最小时对应的参数变小。
2）、L1正则化的优化角度分析
在限定的区域，找到使
最小的值。
结论：如上图，因为切向量始终指向w2轴，所以L1正则化容易使参数为0，即特征稀疏化。
2. 梯度角度分析
1）、L1正则化
L1正则化的损失函数为：
上式可知，当w大于0时，更新的参数w变小；当w小于0时，更新的参数w变大；所以，L1正则化容易使参数变为0，即特征稀疏化。
2）、L2正则化
L2正则化的损失函数为：
由上式可知，正则化的更新参数相比于未含正则项的更新参数多了
项，当w趋向于0时，参数减小的非常缓慢，因此L2正则化使参数减小到很小的范围，但不为0。
3. 先验概率角度分析
文章《深入理解线性回归算法（二）：正则项的详细分析》提到，当先验分布是拉普拉斯分布时，正则化项为L1范数；当先验分布是高斯分布时，正则化项为L2范数。本节通过先验分布来推断L1正则化和L2正则化的性质。
画高斯分布和拉普拉斯分布图（来自知乎某网友）：
由上图可知，拉普拉斯分布在参数w=0点的概率最高，因此L1正则化相比于L2正则化更容易使参数为0；高斯分布在零附近的概率较大，因此L2正则化相比于L1正则化更容易使参数分布在一个很小的范围内。
4. 知乎点赞最多的图形角度分析
函数极值的判断定理：
（1）当该点导数存在，且该导数等于零时，则该点为极值点；
（2）当该点导数不存在，左导数和右导数的符号相异时，则该点为极值点。
如下面两图：
左图对应第一种情况的极值，右图对应第二种情况的极值。本节的思想就是用了第二种极值的思想，只要证明参数w在0附近的左导数和右导数符合相异，等价于参数w在0取得了极值。
图形角度分析
损失函数L如下：
黑色点为极值点x1，由极值定义：L'(x1)=0；
含L2正则化的损失函数:
由结论可定性的画含L2正则化的图：
极值点为黄色点，即正则化L2模型的参数变小了。
含L1正则化的损失函数:
因此，只要C满足推论的条件，则损失函数在0点取极值(粉红色曲线），即L1正则化模型参数个数减少了。
5. 限制条件法
这种思想还是来自知乎的，觉得很有趣，所以就记录在这篇文章了，思想用到了凸函数的性质。我就直接粘贴这种推导了，若有不懂的地方请私我。
结论：含L1正则化的损失函数在0点取得极值的条件比相应的L2正则化要宽松的多，所以，L1正则化更容易得到稀疏解（w=0）。
6. PRML的图形角度分析
因为L1正则化在零点附近具有很明显的棱角，L2正则化则在零附近比较平缓。所以L1正则化更容易使参数为零，L2正则化则减小参数值，如下图。
（1）L1正则化使参数为零 （2）L2正则化使参数减小
7. 总结
本文总结了自己在网上看到的各种角度分析L1正则化和L2正则化降低复杂度的问题，希望这篇文章能够给大家平时在检索相关问题时带来一点帮助。若有更好的想法，期待您的精彩回复，文章若有不足之处，欢迎更正指出。
参考：
https://www.zhihu.com/question/37096933
林轩田老师 《机器学习基石》
举报/反馈
0
0
收藏
分享
