L1，L2正則化

在一些優化問題上，損失函數後面都會加一個懲罰項進行正則化。例如，對於線性迴歸模型，用L1範數進行正則化的稱爲LASSO(Least Absolute Shrinkage and Selection Operator)迴歸；用L2範數進行正則化的成爲嶺迴歸（Ridge regression） 迴歸模型中的W用來表示特徵的係數，而正則化則是通過限制係數，對特徵做了進一步約束。 L1範數約束可以使得W中

>>阅读原文<<