Regularization
正则化在损失函数加参数惩罚项（L1/L2）限制模型复杂度，防止过拟合。
用途
控制模型复杂度，提升泛化能力。
机制
L2（Ridge）：λ||w||^2 使参数小但不为零。L1（Lasso）：λ||w||_1 产生稀疏参数（特征选择）。弹性网络 αL1+(1-α)L2 兼顾。λ 通过 CV 选择。
用例
- 过拟合防御
- 特征选择
- 模型泛化
正则化在损失函数加参数惩罚项（L1/L2）限制模型复杂度，防止过拟合。
控制模型复杂度，提升泛化能力。
L2（Ridge）：λ||w||^2 使参数小但不为零。L1（Lasso）：λ||w||_1 产生稀疏参数（特征选择）。弹性网络 αL1+(1-α)L2 兼顾。λ 通过 CV 选择。