L1 和L2正则化，拉普拉斯分布和高斯分布

正则化是为了防止过拟合。

1. 范数

范数是衡量某个向量空间（或矩阵）中的每个向量以长度或大小。

范数的一般化定义：对实数p>=1， 范数定义如下：

L1范数：

当p=1时，是L1范数，其表示某个向量中所有元素绝对值的和。

L2范数：

当p=2时，是L2范数， 表示某个向量中所有元素平方和再开根， 也就是欧几里得距离公式。

2. 拉普拉斯分布

如果随机变量的概率密度函数分布为:

那么它就是拉普拉斯分布。其中，μ 是数学期望，b > 0 是振幅。如果 μ = 0，那么，正半部分恰好是尺度为 1/2 的指数分布。

3.高斯分布

又叫正态分布，若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：
X∼N(μ,σ2),

则其概率密度函数为:

原文地址：https://www.cnblogs.com/xinyuePhd/p/12677556.html