L1正則化（Lasso正則化）：在損失函數中加入權重向量的L1范數，可以使得模型更加稀疏，減少不重要特征的影響。
L2正則化（Ridge正則化）：在損失函數中加入權重向量的L2范數，可以防止過擬合問題，使得權重向量的值更加平滑。
Elastic Net正則化：同時結合L1正則化和L2正則化，可以更好地平衡稀疏性和平滑性。
Group Lasso正則化：將特征分組，對每個特征組應用L1正則化，可以保持組內特征的稀疏性。
Total Variation正則化：用于圖像處理中，可以保持圖像的光滑性和邊緣信息。
TV-L1正則化：結合了Total Variation正則化和L1正則化的特點，用于圖像恢復和去噪。
