From 37e7dfab81be172a89cd320797044d5573554114 Mon Sep 17 00:00:00 2001 From: Yening Dong Date: Sun, 16 May 2021 15:39:19 +0800 Subject: [PATCH] Update 1.Liner Regression.md --- Machine Learning/Liner Regression/1.Liner Regression.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/Machine Learning/Liner Regression/1.Liner Regression.md b/Machine Learning/Liner Regression/1.Liner Regression.md index 90ab3a7..6ef8cfb 100644 --- a/Machine Learning/Liner Regression/1.Liner Regression.md +++ b/Machine Learning/Liner Regression/1.Liner Regression.md @@ -67,7 +67,7 @@ L表示为图中的黑色圆形，随着梯度下降法的不断逼近，与圆 ### 5.2 什么场景下用L2正则化 -只要数据线性相关，用LinearRegression拟合的不是很好，**需要正则化**，可以考虑使用岭回归(L2), 如何输入特征的维度很高,而且是稀疏线性关系的话， 岭回归就不太合适,考虑使用Lasso回归。 +只要数据线性相关，用LinearRegression拟合的不是很好，**需要正则化**，可以考虑使用岭回归(L2), 如果输入特征的维度很高,而且是稀疏线性关系的话， 岭回归就不太合适,考虑使用Lasso回归。 ### 5.3 什么是L1正则化(Lasso回归)