Zapoznaj się z tymi opcjami.

Wyobraź sobie model liniowy z dwoma silnie skorelowanymi obiektami; czyli te dwie funkcje są niemal identycznymi kopiami, ale jedna zawiera niewielką ilość losowego szumu. Jeśli będziemy trenować z regularyzacją L₂, co stanie się z wagami dla tych 2 funkcji?

Obie funkcje będą miały podobną umiarkowaną wagę.

Regularyzacja L₂ wymusza na funkcjach mniej więcej równoważny wago, który wynosi około połowy gdyby mieli oni tylko jedną z dwóch funkcji, w modelu.

Jeden obiekt może mieć dużą wagę. drugi będzie mieć waga prawie 0,0.

Regularyzacja L₂ powoduje większe kary za duże ciężary niż małe ciężary. Nawet jeśli jedna waga zaczęła spadać, niż drugi, regularyzacja L₂ zmusza do szybszego spadku wagi niż że waga jest mniejsza.

Jeden obiekt może mieć dużą wagę. drugi będzie mieć waga dokładnie 0,0.

Regularyzacja L₂ rzadko wymusza wymuszanie waży dokładnie 0,0. Z kolei regularyzacja L₁ (omówiono później) wymusza wagi do dokładnie 0,0.