ดูตัวเลือกด้านล่าง

สมมติว่ามีโมเดลเชิงเส้นพร้อมด้วยฟีเจอร์การป้อนข้อมูล 100 รายการ

10 นั้นให้ข้อมูลได้สูง

90 ไม่ใช่ข้อมูล

สมมติว่าฟีเจอร์ทั้งหมดมีค่าระหว่าง -1 ถึง 1 ข้อความใดต่อไปนี้เป็นจริง

การปรับ L1 ให้เป็นมาตรฐานจะช่วยกระตุ้นน้ําหนักที่ไม่ได้ให้ข้อมูลจํานวนมากจนเกือบจะเป็น 0.0

โดยทั่วไป แลมด้า (L1) ที่มีมาตรฐานเพียงพอมีแนวโน้มที่จะกระตุ้นฟีเจอร์ที่ไม่ได้แสดงข้อมูลให้น้ําหนักเท่ากับ 0.0 พอดี เหมือน L2 ปกติตรงที่ L1 มาตรฐาน "ผลัก&เครื่องหมายคําพูด 0/0 ไปจนถึง 0.0 ไม่ว่าจะมีน้ําหนักเท่าไหร่จาก 0.0

การปรับมาตรฐานของ L1 จะส่งเสริมให้น้ําหนักส่วนใหญ่ที่ไม่ได้ให้ข้อมูลมีค่าเป็น 0.0 พอดี

แลมด้าด้า (L1) ที่มีมาตรฐานเพียงพอมีแนวโน้มที่จะกระตุ้นให้น้ําหนักที่ไม่น่าสนใจกลายเป็น 0.0 พอดี เมื่อทําเช่นนี้ ฟีเจอร์ที่ไม่ได้ให้ข้อมูลจะออกจากโมเดล

การปรับ L1 เป็นประจําอาจทําให้ฟีเจอร์ที่ให้ข้อมูลมีน้ําหนักเท่ากับ 0.0 พอดี

โปรดใช้ความระมัดระวัง- การทําให้เป็นมาตรฐาน L1 อาจทําให้ฟีเจอร์ต่างๆ ต่อไปนี้มีน้ําหนักเท่ากับ 0

ฟีเจอร์ที่ให้ข้อมูลไม่ดี

มีฟีเจอร์มากมายและให้ข้อมูลเกี่ยวกับระดับต่างๆ

ฟีเจอร์ที่ให้ข้อมูลมีความสัมพันธ์สูงกับฟีเจอร์อื่นๆ ที่คล้ายกัน