La regularización L2 agrega una penalización proporcional a la suma de los cuadrados de los coeficientes del modelo, lo que reduce su magnitud general y hace que el modelo dependa menos fuertemente de cualquier variable individual, sin eliminarlas por completo como sí hace L1.
Cuándo se prefiere sobre L1
Es preferible cuando se cree que la mayoría de las variables disponibles aportan algo de información relevante, y se busca simplemente reducir la complejidad del modelo y prevenir el overfitting, en lugar de eliminar variables por completo.