主要是理解L1和L2正則化，魯棒學習中也是圍繞L1殘差和L2方差損失來提出模型。關于魯棒學習，對于異常值的魯棒性有兩方面：一是對現有樣本中異常點的魯棒性；二是對新增異常點的魯棒性。

關于L1和L2正則化，參考如下博文理解：

https://blog.csdn.net/fjssharpsword/article/details/78842374

https://blog.csdn.net/fjssharpsword/article/details/78850393

再次回顧下，有監督回歸是對實值函數的近似，最小二乘法是近似的一種方法，包括問題建模、優化求解。

總結

以上是生活随笔為你收集整理的【IM】关于稀疏学习和鲁棒学习的理解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。