迴歸分析—嶺迴歸（Ridge Regression）正則化

1.過擬合 當樣本特徵很多，樣本數相對較少時，模型容易陷入過擬合。爲了緩解過擬合問題，有兩種方法： 方法一：減少特徵數量（人工選擇重要特徵來保留，會丟棄部分信息）。 方法二：正則化（減少特徵參數w ^的數量級）。 2.正則化（Regularization） 正則化是結構風險（損失函數+正則化項）最小化策略的體現，是在經驗風險（平均損失函數）上加一個正則化項。正則化的作用就是選擇經驗風險和模型複雜度

>>阅读原文<<