机器学习中关于正则化的理解

正则化的目的：避免出现过拟合（over-fitting）

经验风险最小化 + 正则化项 = 结构风险最小化

经验风险最小化（ERM），是为了让拟合的误差足够小，即：对训练数据的预测误差很小。