L1 жана L2 регуляциясынын айырмасы эмнеде?

L1 жана L2 регуляциялары машинени үйрөнүү моделдеринде ашыкча үйрөнүүнүн алдын алуу ыкмалары болуп саналат жана жоготуу функциясына жазалоо кошуу аркылуу ишке ашырылат.

• L1 регуляциясы (Lasso) моделдин коэффициенттеринин абсолют маанилеринин жыйнагын жоготуу функциясына кошот:

  [ \lambda \sum |w_i| ]

  Бул моделдердин сирек болушуна алып келет — көп коэффициенттер нөлгө жакындайт, бул өзгөчөлүктөрдү тандоодо жардам берет.

• L2 регуляциясы (Ridge) коэффициенттердин квадратынын жыйнагын кошот:

  [ \lambda \sum w_i^2 ]

  Ал коэффициенттерди кичинекей кылат, бирок аларды толугу менен нөлгө коюу сейрек, бул моделдин туруктуулугун жакшыртат.

Негизги айырмачылыктар:

• L1 сирек жана өзгөчөлүктөрдү тандоону колдойт.
• L2 коэффициенттердин чоңдугун азайтат, моделди көбүрөөк туруктуу кылат.

Pythonда sklearn колдонуп мисал:

from sklearn.linear_model import LogisticRegression

# L1 регуляциясы
model_l1 = LogisticRegression(penalty='l1', solver='liblinear')

# L2 регуляциясы
model_l2 = LogisticRegression(penalty='l2')

Алардын ортосунда тандоо ишке жана милдетке жараша болот: эгер өзгөчөлүктөрдү тандоо маанилүү болсо — L1, эгер туруктуулук жана тегиздөө керек болсо — L2.