l1和l2正则化的区别是：

1、L1是模型各个参数的绝对值之和。L2是模型各个参数的平方和的开方值。

2、L1会趋向于产生少量的特征，而其他的特征都是0，因为最优的参数值很大概率出现在坐标轴上，这样就会导致某一维的权重为0 ，产生稀疏权重矩阵。L2会选择更多的特征，这些特征都会接近于0。