参考：https://www.zhihu.com/question/26485586
范数定义：
因此L1范数：
L2范数：
应用一：作为损失函数。
L1-norm 损失函数，又被称为 least absolute deviation (LAD，最小绝对偏差)，最小化损失函数，其实就是在最小化预测值 和目标值 的绝对值。
L2-norm 损失函数，又有大名最小二乘误差 (least squares error, LSE):
由于L1-norm损失函数有绝对值，通过求导、置零、解方程获取函数极值不方便，所有通常不用L1-norm作为损失函数。
应用二：作为正则项，防止过拟合。
因为机器学习中众所周知的过拟合问题，所以用正则化防止过拟合，成了机器学习中一个非常重要的技巧。但数学上来讲，其实就是在损失函数中加个正则项（Regularization Term），来防止参数拟合得过好。L1-regularization 和 L2-regularization 便都是我们常用的正则项，两者公式的例子分别如下
这两个正则项最主要的不同，包括两点：
- 如上面提到的，L2 计算起来更方便，而 L1 在特别是非稀疏向量上的计算效率就很低；
- 还有就是 L1 最重要的一个特点，输出稀疏，会把不重要的特征直接置零，而 L2 则不会；
- 最后，如之前多次提过，L2 有唯一解，而 L1 不是。
因为 L1 天然的输出稀疏性，把不重要的特征都置为 0，所以它也是一个天然的特征选择器。
可是为什么 L1 会有这样的性质呢，而 L2 没有呢？这里用个直观的例子来讲解。
来一步一步看吧，首先获知用梯度下降法来优化时，需要求导获得梯度，然后用以更新参数。
于是分别先对 L1 正则项和 L2 正则项来进行求导，可得。
之后将 L1 和 L2 和它们的导数画在图上
于是会发现，在梯度更新时，不管 L1 的大小是多少（只要不是0）梯度都是1或者-1，所以每次更新时，它都是稳步向0前进。
而看 L2 的话，就会发现它的梯度会越靠近0，就变得越小。
也就是说加了 L1 正则的话基本上经过一定步数后很可能变为0，而 L2 几乎不可能，因为在值小的时候其梯度也会变小。于是也就造成了 L1 输出稀疏的特性。
