L1正则化（Lasso正则化）：在损失函数中加入权重向量的L1范数，可以使得模型更加稀疏，减少不重要特征的影响。
L2正则化（Ridge正则化）：在损失函数中加入权重向量的L2范数，可以防止过拟合问题，使得权重向量的值更加平滑。
Elastic Net正则化：同时结合L1正则化和L2正则化，可以更好地平衡稀疏性和平滑性。
Group Lasso正则化：将特征分组，对每个特征组应用L1正则化，可以保持组内特征的稀疏性。
Total Variation正则化：用于图像处理中，可以保持图像的光滑性和边缘信息。
TV-L1正则化：结合了Total Variation正则化和L1正则化的特点，用于图像恢复和去噪。
