我认为回答这个问题的最佳选择是继续在其他数据集上进行测试，以确认你的观察在多种情况下都是正确的。

这是我的直觉（尽管我绝不是专家）。

正则损失函数为 (wx + b - y)^2 L2 正则化的损失函数为 L2 = (wx + b -y)^2 + lamdba * w^2

在第一个等式中，您只需担心 w 作为一项。举个简单的例子，如果你将它更新 0.1 并且它有所改进，你可以安全地在下一轮再次更新它 0.1

在 L2 方程中，您有一个额外的 w 实例要处理，它被平方并乘以另一个数字。很容易想象，同样的情况可能会导致你跳过差距，跳过梯度等于 0 的地方。