基于距离的norm1和norm2
所谓正则化，就是在损失函数中增加范数，那么老调重弹一下，所谓范数是指空间向量的大小距离之和，那么范数有值单一向量而言的范数，其实所谓单点向量其实是指指定向量到原点的距离。
d = Σ||xi||·
还有针对两个向量求距离的范数；那么作为距离，最常用到的就是马哈顿距离，这个距离也被称之为norm 1：
对于两个向量norm1的应用有两个：
SAD（sum of absolution，绝对偏差和）= ||x1 - x2|| = Σ|x1 - x2|
MAE（mean-absolution error，平均绝对误差）= (1/n)*Σ|x1 - x2|
其次是欧式距离，这个距离也被称之为norm 2，对于单向量而言：
d = [Σ(xi²)] ^ 0.5
对于两个向量的应用如下：
SSD（sum of squared difference） = ||x1 - x2||² = Σ(x1 - x2)²
MSE（mean-squared error）=(1/n)*||x1-x2||² = (1/n)*Σ(x1 - x2)²
L1和L2
在有监督学习中，我们一般都是基于损失函数最小的优化问题，来求解模型（中的ω）。
J = Σ(hθ(xi) - yi)²
拿到了原始数据一般我们都会做两类事情，训练前进行特征选择，那些对于应变量的影响小的特征直接过滤掉，这种行为会因为减少了参数了个数，而使得模型更加简洁，从而增加了"可解释性"；另外一件事情就是训练一波模型之后，会有过拟合情况，需要对模型进行调优。
对于第一类操作，可以通过为损失函数增加norm1子项来实现，这个增加的子项行为被称之为L1正则化，其中norm1的子项是各个参数之和：
J = J(θ） + λ*Σ||ω||， ω = ||θ1|| + ||θ2|| + ||θ3|| + ... + ||θn||
这个其实是个优化问题，为了能够保证J取到最小值，需要满足Σ||ω|| < λ，这里如果λ指定的足够小，那么就可能会使得部分参数值是0
我们直观的可以通过上面这张图来理解一下，先讨论一个简单的场景，只有两个参数ω1和ω2：彩色部分是Jθ的梯度下降图形，黑色棱形则是L = λ*Σ||ω||部分，正常的优化值是彩色部分中心点（紫色圈部分），有了黑色棱形部分后，因为ω的值一定是要在两个图形都包含区域内，满足这个条件，所以是会将(ω1, ω2)向原点部分拉。
从图上可以看到大概率梯度下降的区域是会和L部分的顶点部分相交，因为棱形的顶点是突出部分；这就意味着大概率有一个参数值为0；之所以选择这个突出的交点是最优化点，是因为在相接触的第一个点上面，棱形部分所代表的范数最小。如果是多维场景，也会有更多这样的角（其中一个维度参数值为0），所以L1很容易获取系数矩阵（在求解最优过程中，部分参数为0）。
对于第二类操作，可以通过为损失函数增加一个norm2子项来实现，称之为L2正则化：
J = J(θ) + C*Σ||ω||2，||ω||2 = (θ1² + θ2² +...+θn²）
类似的，要满足Σ||ω|| < λ。通过增加L2正则化，可以实现参数变小，从而解决过拟合问题。为什么参数变小会解决过拟合呢？这是因为如果参数很大，那么自变量一个很小的变化也会在应变量上面放大很大，这就容易导致过拟合；反之如果模型的参数很小，那么及时自变量有变化，那么对于应变量的影响也是很小，这样模型变化比较缓慢，不容易过拟合，这种自变量变化缓慢影响应变量的情形也被称之为"抗干扰能力强"（及时有异常信号，也不会导致过大偏差）。
还是用图形的方式来进行理解：
J = Jθ + λ * Σ||ω||²，其中L = λ * Σ||ω||²
L此时的图形是一个圆，从图像上可以看出来此时交点是x轴Y轴的几率就很小了，因为没有"突出"部分；于是L2只是减小参数值而不是将某个ω设置为0，而只是将(ω1, ω2)向原点方向拉，进而实现了ω1和ω2同时变小，仅仅变小。
L2和L1的功效背后的算法
那么是如何实现L2减小参数？
其中hθ?(x)=θ0?x0?+θ1?x1?+?+θn?xn
这里稍微解释一下，hθ(xi) - yi是平方项，对θj进行求导的时候，只是其中一项参与求导，所以其中一项hθ(xi) - yi被保留下来；另外一项hθ展开后公式上面已经描述，对θj求导之后，只有θj项对应xj被保留下来（θj被导数约分约去了）。
上式就是梯度值，基于损失函数求解θ（α是学习率）：
基于包含了Lasso回归的求解θ：
两者后面部分相同，只是差在前面部分，我们看到包含lasso的公式中，θj乘以一个小于1的数，所以θj‘是小于θj的，至于小多少取决于你设置的λ到底多大，λ越大，θ越小。
岭回归还有一个好处就是，原始损失函数求解过程中，使用最小二乘法进行计算的时候有一个限制（如果是梯度下降则没有此限制），就是必须要有逆矩阵，充分条件就是满足样本数大于特征数，但是有的时候并不满足，此时就需要岭回归来进行变形计算。
类似的我们来计算一下L1下的θj，注意因为L2是平方，L部分求导的时候回留下一个θj，于是会有上面的公式中，θj的右侧θ会乘以一个小于1的部分（1-αλ/m)，但是对于L1都是一次方，所以L部分求导数的时候基本全军覆没，只是||θj||1求导之后为1。所以：
θj = θj - D - α*λ*sign(θ)/n（D是J0的求导部分，这里不赘述了，可以参见上面公式）
这里sign(θ）代表参数θ的符号。
通过L1和L2的公式，我们可以看出来L1的求导公式，我们可以假设D部分都是非常小的，因为梯度下降设计的就是多次迭代完成；L2的参数值为0的概率很小，但是L1的参数如果λ足够大，θj（参数）是很有可能为0的。
L1，L2特性比较
L1正则化又称之为Least Absolution Deviation Regression（下图表格右侧），L2称之为Least Squares Regeression（下图表格左侧）
robust，健壮性，即对于异常点的抵抗力，L1居于很强的抵抗力，但是L2并不强，这个其实也和他的平方项有关系，会放大异常值。
stable，稳定性，因为L1是直线的，L2是曲线的；所以在数据集发生变化的时候，因为直来直去，L1的变化将会非常剧烈（比如斜率发生变化，进而b值发生变化），但是L2因为是曲线，他的曲线变化将会更加平滑，所以变化相对较小。
analytical solution：解析解，L2有解析解（最小二乘法），所以计算效率很高，L1没有解析解，所以计算效率底下。
求解过程
我们就拿L1来举例子，L2类似。很多时候添加正则项，被称之为添加惩罚项，为什么叫"惩罚项"呢？就是因为正则化部分其实是整个式子优化约束，比如L1的正则化等价于下面的约束问题：
此时问题就转化为了带约束条件的凸优化问题，下面就是凸优化常用解决方案，写出拉格朗日函数：
设ω*和λ*是原问题最优解，则根据KKT条件得有：
后面就可以根据凸优化的算法进行求解λ和ω。
关于L1，L2调优
首先调优调的是系数λ，而且是要结合学习率来进行调优，首先设置λ = 0，即没有正则项的场景下，进行调优，获取比较优的learning rate，然后再尝试为λ赋值为1，此时是一个基准值，然后扩大10倍和缩小10倍，看看效果，然后确定到底是沿着放大的方向走还是沿着缩小的方向走。
对于L1而言，λ越大，其实越容易让θ趋于0（这点可以从公式中得到验证）；对于L2而言，λ越大，θ的衰减也是越快的（相当于步长调大了）；从图形上来理解就是λ越大，那个圆的面积越小，那么作为最优点的相交点也就越靠近约点，参数值越小，可以理解为"惩罚"的也是越大。
附录
L1，L2标准化
标准化和正则化基本没有半毛钱关系。
X‘ = X/||X||
具体实现：
X‘ = X/ norm1(X)
X‘ = X/ norm2(X)
L2为什么叫岭回归
L2正则化也被称之为岭回归（Ridge Regression），为什么叫岭回归？看一下下面的基于矩阵的求参公式：
第一个公式正常损失函数求参公式，第二个公式是添加了L2的公式。我们看到多了一个λ*I的部分，这里I就是对角线矩阵，只有对角线是1，其他都是0，就像一个山岭一样。
另外，我们可以从下面的图中看出一些端倪，左侧的是原始没有添加正则项的图，我们看到它其实最小值是一条直线，解空间很大；右侧则是添加了正则项（惩罚项）之后，图形变成了类似于漏斗的形状，向山岭一样（这个解释是不是有点牵强？），这样求解将会更加简单（为什么会更加简单）
参考
关于θj的计算部分参考如下两篇文章
https://blog.csdn.net/jinping_shi/article/details/52433975
https://cloud.tencent.com/developer/article/1011153
https://blog.csdn.net/zouxy09/article/details/24971995 非常详细的数据角度解释L1，L2有时间应该细看
下面两篇文章对于L1，L2特性分析有贡献
https://blog.csdn.net/w5688414/article/details/78046960
https://www.cnblogs.com/jclian91/p/9824310.html
L1，L2凸优化部分以及调优部分参考下面两篇文章
https://www.cnblogs.com/zingp/p/10375691.html
https://blog.csdn.net/jinping_shi/article/details/52433975
https://blog.csdn.net/bitcarmanlee/article/details/51932055
https://www.cnblogs.com/skyfsm/p/8456968.html 对于岭回归的另外一种解释，虽然疑点很多。
原文地址：https://www.cnblogs.com/xiashiwendao/p/12129122.html