在machine learning的优化中，经常看到一些目标表达式加上正则项来防止过拟合。
比如：
最后一项就是正则项。
加入正则项会导致weight decay，它使得weight趋向于零，因为对于overfitting现象，weight值会过拟合的高，加入正则项使得优化式和数据妥协，防止过拟合现象。
