来源:机器学习中的范数规则化之（一）L0、L1与L2范数
参数稀疏的好处
特征选择（feature selection）可解释性高（interPRetability）L2范数实现了对模型空间的限制，可防止过拟合，提升模型的泛化能力
L2范数不但可防止过拟合，还可以让优化求解变得稳定和快速总结 L1-regularization能产生稀疏性，会趋向于产生少量的特征，而其他的特征都是零L2会选择更多的特征，这些特征都会接近于0Lasso在特征选择中非常有用，而Ridge仅是一种正则化而已直观展示L1和L2的区别 
新闻热点
疑难解答
