正则化（Regularization）是一种在训练机器学习模型时，在损失函数中添加额外项，来惩罚过大的参数，进而限制模型复杂度、避免过拟合，提高模型泛化能力的技术。

类型：

• L1 正则化（Lasso 回归）：惩罚参数绝对值之和，使部分参数为 0，实现特征选择。
• L2 正则化（Ridge 回归）：惩罚参数平方和，使参数值普遍较小，提高模型稳定性。L2 正则化是通过在损失函数中加入权重的平方和来惩罚大权重，目的是防止模型过拟合。
  
• ElasticNet：结合 L1 和 L2 正则化，平衡稀疏性和稳定性。