不同的正则化项就产生了不同的回归方法,其中以 Ridge Regression (岭回归)和 Lasso 最为经典,前者是加入了 L2 正则化项,后者加入的是 L1 正则化项。.L1 与 L2 正则最大的不同:L1 可以带来稀疏的结果,即L1会使得部分参数为零。这样的好处是什么呢?一方面,可以用来选择特征,一方面可以用来降维压缩数据等等。