正则化技术用于防止预测模型中的统计过拟合。通过在模型中引入附加信息，正则化算法可以处理多重共线性和冗余预测因子，使模型更加简洁和准确。这些算法通常通过应用复杂度惩罚来工作，例如将模型的系数添加到最小化或包含粗糙度惩罚。
对正则化重要的技术和算法包括岭回归(也称为Tikhonov正则化)，套索和弹性网算法，以及轨迹图和交叉验证的均方误差。您还可以应用Akaike信息标准(AIC)作为适合度度量。
有关正则化技术的更多信息，请参见统计和机器学习工具箱。
机器学习的挑战:选择最好的分类模型和避免过拟合
您也可以从以下列表中选择一个网站: