L1，L2正则化

在一些优化问题上，损失函数后面都会加一个惩罚项进行正则化。例如，对于线性回归模型，用L1范数进行正则化的称为LASSO(Least Absolute Shrinkage and Selection Operator)回归；用L2范数进行正则化的成为岭回归（Ridge regression） 回归模型中的W用来表示特征的系数，而正则化则是通过限制系数，对特征做了进一步约束。 L1范数约束可以使得W中

>>阅读原文<<