正则化

正则化是一种通过降低过度复杂性来缓解机器学习模型过拟合问题的技术。机器学习模型通常容易对训练数据过拟合，即模型在训练集上表现良好，但在未见数据上泛化能力较差。正则化通过对特征权重过大的情况引入惩罚项，迫使模型学习更具泛化性和平衡性的表示，从而提升其对新数据的适应能力。