对于不同的特征值，过度拟合的模型往往具有很大不同（一些非常高，一些相对较低）的系数/权重。因此，这意味着模型（当绘制为图形时）的斜率变化很大，即使训练数据值（特征值）的微小变化也会导致输出的巨大变化。为了平滑具有高斜率变化的过度拟合模型/曲线，我们使用正则化（例如：L1/L2）。

L1 正则化从模型中删除了不必要的/影响较小的特征，从而使模型变得不那么复杂。它通过将这些特征的权重/系数更改为 0 来实现。因此，当我们有许多不必要的特征时，这种正则化很有用，并且也被认为对特征选择很有用。

L2 正则化缩小/调整极端权重，并产生一组分布更均匀的权重。与 L1 正则化不同，它不会导致特征的权重为 0。因此，当我们知道所有/大部分特征对模型有用时，这种正则化会更好一些。