机器学习中L1和L2正则化的一些阐述

L1和L2正则化效果的区别

一直想不明白：为什么L1正则化使模型稀疏，L2正则化在防止过拟合方面效果明显。L1和L2正则化的区别和效果也是面试经常考到的问题。所以通过查阅一些资料，对这两个正则化的效果做了一些简单解释。

答案： L1正则化是部分特征的权重为零，所以最后输入的特征减少了，而L2正则化则是使部分特征（对预测结果影响不大的特征）的权重趋近0而不为0，降低了这些特征对结果的影响但是还是有一些影响的，从而降低了模型的复杂度。

参考

1. https://www.cnblogs.com/aixueshuqian/p/3939101.html
2. https://blog.csdn.net/zouxy09/article/details/24971995