之前描述了过拟合的问题，现在介绍一些正则化模型的技术。
正则化：凡事可以减少泛化误差而不是减少训练误差的方法，都可以称作正则化方法。
我们总是可以通过去收集更多的训练数据来缓解过拟合。 但这可能成本很高，耗时颇多，或者完全超出我们的控制，因而在短期内不可能做到。
假设我们已经拥有尽可能多的高质量数据，我们便可以将重点放在正则化技术上。
在多项式回归的例子中， 我们可以通过调整拟合多项式的阶数来限制模型的容量。实际上，限制特征的数量是缓解过拟合的一种常用技术。 然而，简单地丢弃特征对这项工作来说可能过于生硬。
ps： 不断更新w和b这两个模型参数使得损失函数最小，w和b不是唯一的。也就是说，达到局部最优解可以有多组值。有可能一组w和b很大，但仍然能达到局部最优解，但是参数很大，误差和噪声也会被放大，预测会不准确。因此，可以人为地控制参数的取值范围。
权重衰退是一种最常见的处理过拟合的方法，通常也被称为L2正则化
1. 使用均方范数作为硬性条件
w权重是模型中未知数的系数，它的取值情况直接决定了模型曲线到底是什么样子的，而偏置b的取值，不会改变模型曲线的样子，只会改变模型的平移情况。L1和L2正则化，针对的是w进行，对b的处理意义不大。
使得w的每个项的平方和是小于一个特定的值，也就是说每个项的值都小于特定值的开根号。
但一般来说，我们不会直接用这个优化函数，因为相对来说麻烦一点。常用的是下面的函数。
2. 使用均方范数作为柔性限制
- 当超参数=0，就是没有起作用，等价于上一张图片中Θ等于无穷大，因为没有对模型容量进行控制。
- 当超参数趋向于无穷大时，表示惩罚项越来越大，等价于Θ趋向于0，使得最优解w* 趋向于0.
- 如果想使得模型复杂度低，可以通过增加λ满足需求
W可以选择的范围越大哦，表示模型越复杂。
较小的λ值对应较少约束的w， 而较大的λ值对w的约束更大。
3. 演示对最优解的影响
绿色曲线是损失函数的取值，黄色曲线是惩罚项的取值，两者都是圈越大取值越大。
在L2损失函数中，在优化点附近时对值的拉伸比较小，因为梯度来说相对比较小，但是离优化点比较远的时候，梯度值更大，往优化点的作用会越大。
所以，在绿色曲线的中心这一点，惩罚对这一点的拉力会大于绿色曲线loss对其的拉力，因为在最优点绿色函数梯度接近于0了，而黄色函数的梯度更大，使得参数更新时是往橙色函数方向更新，最后在两个曲线相切的地方形成平衡点。
因为目标是为了减小loss，一开始loss函数是只有一项组成，而现在加入了正则化项，在取同样的loss值时，只能通过更小的w来实现了。因此，这样就控制了w的取值范围，从而控制了模型容量。
所以，在加入了惩罚项后，也就是在橙色曲线的限制下，使得最优解往左下偏移了。这个最优解是目标函数（损失函数+正则化得到的函数）的最优解，而不是损失函数的最优解。
正则项就是为了防止达到损失达到损失函数最优而导致的过拟合，所以正则项能把最优解往外拉。
并且，换个角度理解，越接近loss函数的最优点，代表模型复杂度越高，拟合程度越大，当引入惩罚项来拉动远离最低点，就使得模型复杂度越低，模型容量更小，可以防止过拟合。
至于为什么是两个函数曲线相切的点呢？
答： 因为两个曲线相切时，黄线和绿线梯度一样，并且由于二者梯度方向相反，此时梯度绝对值最小为0，参数就不会再更新下去了，得到了平衡，也就得到了最优解。
4. 参数更新法则
所以，新的更新梯度，每次是wt乘以一个小于1的数，再沿着梯度的反方向走一点。
为什么叫权重衰退？
答：是因为λ的引入，使得在更新参数前，把当前的权重进行了一次缩小（一次衰退）。
5. 总结
- 权重衰退通过L2正则项使得模型参数不会过大，从而控制模型复杂度
- 正则项权重是控制模型复杂度的超参数
6. 一些Q&A
- 为什么参数选择范围小，模型复杂度就更低了呢？
答：以上图中的函数图像来说，要去拟合那些红点，如果可以允许模型参数选的比较大的话，可以做一个任何一个很复杂的曲线（如蓝色曲线）去拟合。
比如说，同样是二次模型或者三次模型这种简单模型，假设我的权重可以取到很大，会造成一个非常不平滑的曲线。那现在限制w的取值范围，也就是只能去学习比较平滑的曲线，而不去学复杂的曲线，就意味着模型复杂度变低。
或者这么理解，一个多项式中的高次项的系数变小了或者为0，函数也就变平滑了。
