几何解释
等高线：表示原始的损失函数，同心椭圆的中心是原始模型的最优解（不考虑正则化）。
约束区域：正则化项对权重向量的取值范围施加了限制
L1（菱形）：菱形的顶点在坐标轴上。当等高线与菱形边界相交时，交点（即新的最优解）有极大的概率落在菱形的顶点上，而顶点所在的坐标轴意味着另一个特征对应的权重为0。
L2（圆形）：圆形没有尖尖的角。等高线与圆形边界相切的点（即新的最优解）几乎不可能落在坐标轴上，所以所有权重都会被保留，只是被缩小了。
稀疏性与平滑性
L1正则化产生稀疏性："稀疏"指的是权重向量 w中会有很多值为0。L1正则化倾向于将一些不重要的特征所对应的权重完全压缩到0。这意味着模型在训练后会自动进行特征选择，只保留那些对预测目标最重要的特征。
好处：模型更简单、可解释性更强。对于高维数据（特征非常多），能有效降低维度。
L2正则化使权重均匀缩小：L2正则化不会把任何权重强制设为0，而是将所有的权重以同等比例向零缩小。对于贡献大的特征，权重值依然较大；对于贡献小的特征，权重值会变得很小，但不会是零。
好处：模型更平滑、稳定。能处理特征之间存在多重共线性（高度相关）的情况。
附：
