Por que usar a regularização L1 sobre L2?

Conduzindo um modelo de regressão linear usando uma função de perda, por que devo usar vez da regularização ?$L_1$$L_2$

É melhor prevenir o sobreajuste? É determinístico (sempre uma solução única)? É melhor na seleção de recursos (porque produz modelos escassos)? Dispersa os pesos entre os recursos?

Basicamente, adicionamos um termo de regularização para impedir que os coeficientes se ajustem tão perfeitamente ao excesso de ajuste.

A diferença entre L1 e L2 é L1 é a soma dos pesos e L2 é apenas a soma do quadrado dos pesos.

L1 não pode ser usado em abordagens baseadas em gradiente, pois não é diferenciável ao contrário de L2

L1 ajuda a executar a seleção de recursos em espaços esparsos. A seleção de características é saber quais recursos são úteis e quais são redundantes.

A diferença entre suas propriedades pode ser resumida como:

L2 tem uma vantagem muito importante para L1, que é a invariância à rotação e escala.

Isso é especialmente importante na aplicação geográfica / física.

Digamos que seu técnico instalou acidentalmente seu sensor em anjo de 45 graus, L1 seria afetado, enquanto L2 (distância euclidiana) permaneceria o mesmo.