什么是正則化？
在機器學習中，我們非常關心模型的預測能力，即模型在新數據上的表現，而不希望過擬合現象的的發生，我們通常使用正則化（regularization）技術來防止過擬合情況。正則化是機器學習中通過顯式的控制模型復雜度來避免模型過擬合、確保泛化能力的一種有效方式。如果將模型原始的假設空間比作“天空”，那么天空飛翔的“鳥”就是模型可能收斂到的一個個最優解。在施加了模型正則化后，就好比將原假設空間（“天空”）縮小到一定的空間范圍（“籠子”），這樣一來，可能得到的最優解能搜索的假設空間也變得相對有限。有限空間自然對應復雜度不太高的模型，也自然對應了有限的模型表達能力。這就是“正則化有效防止模型過擬合的”一種直觀解析。
鏈接：https://blog.csdn.net/vv___/article/details/116396475
https://blog.csdn.net/qq_32806793/article/details/100300925