正則化的目標是獲得簡單模型和避免過度似合。在MLilb中,支持下面正則化因子:
在這裡,是表示中所有實體的類標簽( )的向量。
與L1正則化問題比較,由於L2的平滑性,L2的正則化問題一般較容易解決。但是由於可以強化權重的稀疏性,L1正則化更能產生較小及更容易解釋的模型,而後者在特徵選擇是非常有用的。不正則化而去訓練模型是不恰當的,尤其是在訓練樣本數量較小的時候。