在机器学习中，我们常常会遇到"过拟合"的问题。也就是说，模型在训练数据上表现得非常好，但在测试数据上却一塌糊涂。为了防止模型"记住"数据而不是"学习"规律，我们通常会在训练时加入一种约束，让模型不要太复杂------这就是正则化（Regularization）。
这篇文章我们就来讲讲最常见的两种正则化：L1 正则化 和 L2 正则化。
一、什么是正则化？
在训练模型时，我们希望代价函数 J(w,b) 越小越好。
比如在线性回归中，代价函数是均方误差（MSE）：
但如果我们只关注让误差变小，模型可能会把每个参数 wi 调得非常大，以尽量"贴合"所有样本。这样模型虽然在训练集上很准，但在新数据上容易失效。
于是我们在原有的代价函数后面加上一个"惩罚项"，限制参数不能太大：
这里的 λ（lambda）叫做正则化系数，用于控制惩罚的强度。而"惩罚项"可以有不同的形式，于是就有了两种常见的正则化方式：L1 和 L2。
二、L1 正则化（Lasso Regularization）
L1 正则化的惩罚项是参数的绝对值之和：
这意味着，参数 wi 越大，惩罚越强。L1 的一个特别之处在于：它会让某些参数直接变成 0。 也就是说，它不仅能让模型更简单，还能起到特征选择的作用------把不重要的特征直接"删除"掉。
举个例子，假设我们在预测房价，特征包括：
-
房屋面积（x₁）
-
卧室数量（x₂）
-
是否靠近地铁（x₃）
如果"卧室数量"这个特征对预测影响很小，L1 正则化在训练时可能会让它的权重 w2 收敛为 0，从而自动忽略掉它。
这就是 L1 常被用于"稀疏模型（Sparse Model）"的原因。
三、L2 正则化（Ridge Regularization）
L2 正则化的惩罚项是参数平方和的一半：
这里的惩罚项让模型在训练时"更平滑"，即：
-
不让某个参数特别大；
-
但也不会让某个参数直接变成 0。
因此，L2 正则化的效果是让所有权重都"更小"，但仍然保留在模型中。
举个例子，还是预测房价的场景，假设"卧室数量"的权重原本是 4，L2 正则化可能把它压缩到 1.2，而不是直接变成 0。这意味着模型仍然考虑了所有特征，只是弱化了它们的影响。
四、L1 与 L2 的主要区别
| 比较项 | L1 正则化（Lasso） | L2 正则化（Ridge） |
|---|---|---|
| 惩罚项形式 |  |
 |
| 几何形状 | 菱形约束区域 | 圆形约束区域 |
| 参数稀疏性 | 可以让部分参数=0（自动特征选择） | 参数变小但不为0 |
| 适合场景 | 需要筛选特征、希望模型简洁 | 特征较多且都重要、希望模型稳定 |
| 数学性质 | 不连续（尖点） | 连续光滑（易优化） |
五、为什么 L1 会让参数变成 0？
原因在于 L1 的惩罚项不是光滑的 。
当你画出 L1 的几何约束（一个菱形）和损失函数的等高线（椭圆）时，两者的切点往往会出现在菱形的"尖角"上------也就是坐标轴上。
这意味着，某些权重 wi 恰好会被压到 0。
相比之下，L2 的约束是一个圆形，没有"尖角"，所以参数只会变小，不会直接为 0。
六、直观理解：从几何角度看区别
想象二维参数空间中：
-
L2 正则化：
约束区域是一个圆。椭圆形的代价函数等高线与圆相切时，最优点一般在圆弧上。
→ 所有参数都变小。
-
L1 正则化：
约束区域是一个菱形。代价函数的等高线更容易与菱形的尖角相切。
→ 部分参数直接为 0。
七、实际应用建议
-
如果你希望模型自动挑选特征 ，用 L1 正则化（Lasso）。
-
如果你希望模型更稳定、抗噪音能力强 ，用 L2 正则化（Ridge）。
-
如果你想两者兼顾 ，可以使用 Elastic Net（弹性网络），它结合了 L1 和 L2 的优点：
八、总结
-
正则化的核心目标是控制模型复杂度、避免过拟合。
-
L1 通过"让参数变成 0"简化模型；
-
L2 通过"让参数变小"让模型更平滑。
-
它们的差别虽然只是惩罚项形式不同，但带来的效果却截然不同。