नीचे दिए गए विकल्प देखें.
मान लें कि 100 इनपुट सुविधाओं वाला एक लीनियर मॉडल:
10 जानकारी बढ़ाने वाले होते हैं.
90 जानकारी देने वाला नहीं है.
मान लें कि सभी सुविधाओं की वैल्यू -1 और 1 के बीच है.
इनमें से कौनसी बातें सही हैं?
नियमित तौर पर लागू होने वाले L1 में, ज़्यादातर गैर-जानकारी वाले वेट को 0.0 के आस-पास होने के लिए बढ़ावा दिया जाएगा, लेकिन बिल्कुल नहीं.
आम तौर पर, Lambda फ़ंक्शन को नियमित तौर पर लागू करने की सुविधा से, बिना किसी जानकारी वाली सुविधाओं को बढ़ावा मिलता है. इसकी वजह से, सटीक वैल्यू को 0.0 पर सेट किया जाता है.
L2 रेगुलराइज़ेशन के उलट, L1 रेगुलराइज़ेशन और कोट "पुट" होता है; 0.0 की तरह ही मुश्किल होता है, भले ही वज़न 0.0 से कितनी भी दूर हो.
L1 रेगुलराइज़ेशन, ज़्यादातर बिना सूचना वाले वेट को 0.0 होने के लिए बढ़ावा देगा.
ज़रूरत के मुताबिक Lambda फ़ंक्शन को नियमित तौर पर लागू करने से, बिना किसी खास जानकारी वाले वेट को पहले की तरह 0.0 पर सेट करने के लिए बढ़ावा मिलता है. ऐसा करने पर, ये
बिना जानकारी वाली सुविधाएं मॉडल को छोड़ देती हैं.
नियमित तौर पर L1 का इस्तेमाल करने से, जानकारी देने वाली सुविधाओं की वजह से
0.0 सटीक वज़न मिल सकता है.
ध्यान रखें-L1 रेगुलराइज़ेशन की वजह से, इन सुविधाओं के ट्रैफ़िक का वज़न 0 हो सकता है:
जानकारी से जुड़ी कमज़ोर सुविधाएं.
अलग-अलग पैमाने पर पूरी तरह से जानकारी देने वाली सुविधाएं.
जानकारी देने वाली सुविधाएं, मिलती-जुलती जानकारी देने वाली दूसरी सुविधाओं से जुड़ी होती हैं.