L1正则为什么会产生稀疏解

在机器学习中，当模型过于复杂时，为了防止产生过拟合的现象，最常用的方法时采用正则化，如L1正则和L2正则.

正则化的本质

L2正则就是在原来的损失函数的基础上加上权重参数的平方和. L=L0+λ∑jwj2L = L_0 + \lambda\sum_j w_j^2L=L0​+λj∑​wj2​ 其中L0L_0L0​是训练样本误差，λ\lambdaλ是正则化参数. 正则化的目的是防止参数过多或者过大，从而避免模型过于复杂. 为了达到这一目的最直接的方法是限制参数的个数，但是这属于NP-hard问题，求解很困难，所以我们通常采取的限定条件是 ∑jwj2≤C\sum_j w_j^2\leq Cj∑​wj2​≤C

所谓的添加正则项的损失函数，本质上是原始训练误差在给定上述约束条件下的最小化，这样我们通过拉格朗日乘数法即可将其转化为无约束问题，也就是我们添加了正则项的损失函数LLL，拉格朗日乘子即是正则化参数.

L2正则化

直观解释

假设损失函数是在二维上求解，即参数的个数为2，我们可以绘制出如下图象，其中彩色实线是L0L_0L0​的等值线，黑色的是L2L2L2的等值线，从二维空间上看，L2L2L2和L0L_0L0​等值线相交时参数w1、w2w_1、w_2w1​、w2​等于零的概率很小，所以使用L2L2L2正则的解不具有稀疏性.

L2正则倾向于构造一个所有参数都比较小的模型，当数据产生较大的偏移时，由于参数足够小，对于结果也不会产生太大的影响，所以说抗扰动能力强.

L2正则.png

数学解释

根据 L=L0+λ∑jwj2L = L_0 + \lambda\sum_j w_j^2L=L0​+λj∑​wj2​ 为了LLL的最小值，我们通常对其求梯度并令其为0. ▽L=▽L0+2λ∑jwj\bigtriangledown L = \bigtriangledown L_0 + 2 \lambda \sum_j w_j▽L=▽L0​+2λj∑​wj​ 在参数wj=0w_j=0wj​=0时， ▽L=▽L0\bigtriangledown L = \bigtriangledown L_0▽L=▽L0​ 这意味着代价函数的梯度在wj=0w_j=0wj​=0处不等于零，所以对损失函数LLL求极小值时，不会wj=0w_j=0wj​=0处取到，因此L2L_2L2​正则不会产生稀疏解.

L1正则化

直观解释

L=L0+∑j∣wj∣L = L_0 + \sum_j|w_j|L=L0​+j∑​∣wj​∣

L1正则.png

L1L1L1的等值线是方形，L0L_0L0​与L1L1L1等值线相交时很大概率上出现在顶点处，而顶点都在坐标轴上，因此必有其他参数为0，所以用L1L1L1正则的解具有稀疏性.

数学解释

同样我们对损失函数求梯度. ▽L=▽L0+λsign(wj)={▽L0−λ,wj→0−▽L0+λ,wj→0+ \begin{aligned} \bigtriangledown L = \bigtriangledown L_0 + \lambda sign(w_j)= \begin{cases} \bigtriangledown L_0 - \lambda , & w_j \rightarrow 0^-\\ \bigtriangledown L_0 + \lambda , & w_j \rightarrow 0^+ \end{cases} \end{aligned} ▽L=▽L0​+λsign(wj​)={▽L0​−λ,▽L0​+λ,​wj​→0−wj​→0+​​ 当▽L0−λ\bigtriangledown L_0 - \lambda▽L0​−λ与▽L0+λ\bigtriangledown L_0 + \lambda▽L0​+λ异号时，则损失函数LLL会在wjw_jwj​处产生一个极小值，因此L1L1L1正则会产生稀疏解