L1正則化產生稀疏模型，L2正則防止過擬合

轉自http://www.javashuo.com/article/p-cskvckwl-kn.html L1正則產生稀疏模型的理解： J=J0+alpha∑w|w|(1) (1) J = J 0 + a l p h a ∑ w | w | 其中 J0 J 0 是原始的損失函數，後半部分爲 L1 L 1 正則化項，爲絕對值之和， J J 帶有絕對值符號的函數，因此 J J 是不完全可微的。機器學習

>>阅读原文<<