摘要：
首先述说什么是正则化，正则化是结构风险最小化策略的实现，是在经验风险上加上一个正则项(regularizer)或罚项(penalty term)。是模型选择的典型方法。正则化项一般是模型复杂度的单调递增函数，模型越复杂，正则化值越大。比较常用的正则化项有模型参数向量的范数，l1-norm、l2-norm......第1项经验风险较小的模型可能比较复杂（非零参数多），这是第2项的模型复杂度会较大。正则化的作用是选择经验风险与模型复杂度同时较小的模型。用奥卡姆剃刀原理解释：在模型选择时，能够很好地解释已知数据并且十分简单的模型才是应该选择的模型。从贝叶斯估计角度来看：正则项对应于模型的先验概率，可 阅读全文
