权重衰减weight_decay

查了好几次了，一直忘，记录一下

?

?使用L 2 范数的一个原因是它对权重向量的大分量施加了巨大的惩罚。这使得我们的学习算法偏向于在大量特征上均匀分布权重的模型。在实践中，这可能使它们对单个变量中的观测误差更为稳定。

相比之下，L 1 惩罚会导致模型将权重集中在一小部分特征上，而将其他权重清除为零。这称为特征选择（feature selection），这可能是其他场景下需要的

总之就是施加一个惩罚项，防止模型过拟合，并具有鲁棒性。