一、Lasso
Lasso是拟合稀疏系数的线性模型。它在一些情况下是有用的，因为它倾向于使用具有较少参数值的情况，有效的减少给定解决方案所依赖变量的数量。因此，Lasso及其变体是压缩感知和领域的基础。在一定条件下，可以回复一组非零权重的精确集。
其实就是在原有的损失函数加一个补偿，它通过对目标函数添加L1正则化项，可以实现特征选择和模型参数稀疏化。其求解过程可以用坐标下降算法：
初始化模型参数，选择一个参数进行更新，对于选定的模型参数，其他模型参数保持不变，计算目标函数的梯度，根据梯度的方向和步长更新该模型参数，直到达到预设的停止条件。
二、Ridge
