請瀏覽下列選項。

假設線性模型包含兩個密切相關的特徵；也就是 這兩項功能彼此幾乎完全相同 特徵中包含少量的隨機雜訊如果我們訓練這個詞彙 就會對權重₂ 這兩項功能呢？

這兩項特徵的權重大致相等。

L₂ 正則化會強制要求這些功能朝向 大約相等的權重 他們大概只知道其中一種功能 新增到模型中

一項特徵具有較大權重；另一個則是 權重「幾乎」為 0.0。

L₂ 正則化會讓較大的權重降低 權重值會較低因此即使某個體重開始下降 也就是 L₂ 正則化 通常會強迫較大體重比 也就是較小的

一項特徵具有較大權重；另一個則是 權重「應該」為 0.0。

L₂ 正規化極少會強迫 權重設為 0.0相較之下，L₁ 正則化 (稍後討論)「確實」會將權重強制設為 0.0。