机器学习中经常会在损失函数中加入正则项，称之为正则化（Regularize）。L1减少的是一个常量，L2减少的是权重的固定比例 L1使权重稀疏，L2使权重平滑 L1优点是能够获得sparse模型，对于large-scale的问题来说这一点很重要，因为可以减少存储空间 L2优点是实现简单，能够起到正则化的作用。缺点就是L1的优点：无法获得...