Lasso, Ridge and ElasticNet.
The main difference among them is whether the model is penalized for its weights
（regularization (penalty on weights)
Linear regression：有時導致過擬合。這個模型沒有對權重進行懲罰，所以模型對權重的選擇沒什么限制，既然沒限制， 萬一模型認為一個特征特別重要，就會給一個很大的權重，這會導致過擬合。
Lasso：加了一個懲罰，也就是對權重做了限制。
作用是，權重的絕對值會變小，許多權重講變為0.
這里多了一個alpha超參數。
Ridge：這個也加了限制，和lasso差不多，損失函數變了一下。這個不止讓權重變小，而且讓他們，分布更加均勻。
ElasticNet：is a hybrid of Lasso and Ridge。是前兩個的結合。
