机器学习中常常提到的正则化到底是什么意思？ 这个概念是从统计里来的。正则项的目的在于，惩罚病态的参数。参数长的越奇怪，惩罚就越重。比如在线性回…
机器学习中使用正则化来防止过拟合是什么原理？ https：//www.coursera.org/learn/machine-learning/？source=phoenixCdp2016AbTest？siteID=Gr6prw2kaB0-YT06BCP_.HYx.BqznFbkaA&；utm_content=10&；utm_medium=。
什么是tikhonov正则化方法 定义：正则化(regularization)，是指在线性代数理论中，不适定问题通常是由一组线性代数方程定义的，而且这组方程组通常来源于有着很大的条件数的不适定反问题。大条件数意味着舍入误差或其它误差会严重地影响问题的结果。另外给出一个解释性定义：对于线性方程Ax=b，当解x不存在或者解不唯一时，就是所谓的病态问题(ill-posed problem).但是在很多时候，我们需要对病态问题求解，那怎么做？对于解不存在的情况，解决办法是增加一些条件找一个近似解；对于解不唯一的情况，解决办法是增加一些限制缩小解的范围。这种通过增加条件或限制要求求解病态问题的方法就是正则化方法。正则化的英文是regularization，即规则化，调整。通过一些调整或者其他办法，使病态问题也能得到唯一解。在这个调整的过程中，使用的技术就是正则化技术，所用的方法就是正则化方法。求解线性方程的标准方法是最小二乘法，即求解min向左转|向右转，对于病态的线性方程，吉洪诺夫提出使用向左转|向右转的方法，向左转|向右转叫做吉洪诺夫矩阵
