4.正则化效果：你尝试了不同的正则化方法。如L1正则化和L2正则化，它们对模型的泛化能力有何影响？哪种正则化方法在你的实验中表现最好？为什么？

根据引用[1]和引用的内容，L1正则化和L2正则化都可以防止过拟合，提高模型的泛化能力。但是，它们的实现方式不同。L1正则化倾向于将一些特征的权重降为0，从而实现特征选择的效果，而L2正则化则会让所有特征都对模型有所贡献，只是贡献大小不同而已。因此，L2正则化可以让模型更加平滑，泛化能力更强。

在实验中，哪种正则化方法表现最好取决于具体的数据集和模型。一般来说，如果特征数量很大，而且其中只有一部分特征对模型有贡献，那么L1正则化可能会表现得更好。如果特征数量不是很大，而且所有特征都对模型有贡献，那么L2正则化可能会表现得更好。