Можешь ли проинтерпретировать L1

L1-регуляризация (Lasso) добавляет в функцию потерь сумму абсолютных значений весов модели. Это приводит к разреженности — некоторые веса становятся нулевыми, что упрощает модель и помогает в отборе признаков.

Пример в sklearn:

from sklearn.linear_model import Lasso
model = Lasso(alpha=0.1)  # alpha — сила регуляризации
model.fit(X_train, y_train)
print(model.coef_)  # Некоторые коэффициенты будут нулевыми

L1 полезен, когда данных много, но лишь часть признаков важна. В отличие от L2 (Ridge), L1 не просто уменьшает веса, а обнуляет менее значимые.