机器学习中L1正则化和L2的区别

1。 使用L1可以得到稀疏的权值，使用L2可以得到平滑的权值

1.1 正则化模型

正则化就是吧额外的约束或者惩罚项加到已有的模型（损失函数）上，以防止过拟合并提高泛化能力。

损失函数由原来的E（x,y）

变成：E(x,y)+alpha||W||

W是模型系数组成的向量，||w||一般是L1或者L2番薯，alpha是一个可调的参数，控制着正则化的强度。

更详细的解释见https://blog.csdn.net/jinping_shi/article/details/52433975