###三者的关系

Ridge 回归：使用 L2 正则化（平方和惩罚），会把所有特征的系数缩小，但不会把任何系数压到 0，因此不会做特征选择，适合处理多重共线性。 Lasso 回归：使用 L1 正则化（绝对值和惩罚），会把不重要特征的系数直接压到 0，实现自动特征选择，但在高度相关的特征中表现不