逻辑回归可以通过L1正则化来控制变量，其中使用L1正则化可以减少模型参数，从而实现变量选择。从原理上来讲，L1正则项会将一些不重要的特征变量的权重降低到0，便可筛选出最重要的变量，以得到比较精炼的模型。比如在统计学中常求解的奇异值分解，也使用到了L1正则项，然后从奇异值分解总变量中根据L1正则项大小决定特征变量的个数最终筛选出模型参数。