機械学習ニーズ正規化アルゴリズムは、 SVMを持って、ロジスティック回帰、ニューラルネットワーク、KNN、線形回帰、
正規化を必要とせずに木、彼らはによって、ツリー構造のために、このような決定木として、ツリーモデルをランダムな森林を変数の値を気にしますが、変数と変数間の条件付き確率分布についてはありませんので、探している最善のスプリットポイントはサンプル点の値は、位置が分割ポイントに影響を与えないズーム、構成、モデルのツリー構造が影響されない、
ツリーモデルがステップあるため、工程が誘導されず、ツリーは、モデル勾配降下することはできませんそして、導出は意味がない、正規化を必要としません。
正規化した場合2は、正規化を必要とする人のためのモデルは、特徴量の差が大きい主な理由は、勾配降下の使用は、損失の輪郭が楕円形であり、最高の利点を達成するために複数回の反復を必要としますその後輪郭は丸みある必要少ない反復で得られた、SGD原点反復を促進するために、。
https://blog.csdn.net/qq_34872215/article/details/88363504
