L1正则化和L2正则化的区别？

L1正则化目的：减少参数的绝对值总和。

L2正则化目的：减少参数平方的总和。

由L1正则化的定义可以看出最优的参数值很大概率出现在坐标轴上，这样就会导致某一维的权重为0，产生稀疏权重矩阵；

而L2正则化的最优参数值很小概率出现在坐标轴上，因此每一维的参数都不会是0；

另外一个区别就是：

       L1正则化可通过假设权重w的先验分布为拉普拉斯分布，由最大后验概率估计导出。

       L2正则化可通过假设权重w的先验分布为高斯分布，由最大后验概率估计导出。