目标函数中同时使用多个L1和L2正则化项的情况，应该怎么求解

目标函数中同时使用多个L1和L2正则化项的情况，应该怎么求解

L1正则假设参数的先验分布是Laplace分布，可以保证模型的稀疏性，也就是某些参数等于0；
L2正则假设参数的先验分布是Gaussian分布，可以保证模型的稳定性，也就是参数的值不会太大或太小
在实际使用中，如果特征是高维稀疏的，则使用L1正则；如果特征是低维稠密的，则使用L2正则。
最后，附一张示意图。