在前面的七篇文章中，我们逐步拆解了深度学习的核心数学基石：从梯度下降的迭代逻辑、反向传播的链式求导，到激活函数的非线性转换，再到各种优化器对训练效率的提升。我们一直在努力让模型学得更好------尽可能减小训练数据上的误差，但事实上，学得太好反而可能成为模型的致命问题。本文我们就会讨论深度学习中最常见的困境之一：过拟合，以及解决它的核心方法------正则化。
一、过拟合场景
在讲解原理之前，我们先通过一个简单的回归任务，亲手构建一个过拟合模型，直观感受过拟合的表现。
我们的任务是：拟合一组带有噪声的正弦曲线数据。理想情况下，模型应该学习到正弦曲线的整体趋势；但如果模型"过度努力"，就会去拟合每一个噪声点，最终失去泛化能力------这就是过拟合。
1.1 代码实现
python
import numpy as np
import matplotlib.pyplot as plt
import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import TensorDataset, DataLoader, random_split
# 1. 生成带噪声的正弦曲线数据，并转换为PyTorch张量（PyTorch默认使用张量计算）
np.random.seed(42) # 固定随机种子，保证结果可复现
x_np = np.linspace(0, 2*np.pi, 100) # 0到2π之间生成100个均匀分布的点
y_true_np = np.sin(x_np) # 真实的正弦曲线
y_noise_np = y_true_np + 0.1 * np.random.randn(100) # 添加高斯噪声，模拟真实数据的扰动
# 转换为PyTorch张量（float32为PyTorch常用数据类型，维度适配：[样本数, 特征数]）
x = torch.tensor(x_np, dtype=torch.float32).unsqueeze(1) # 从(100,)转为(100, 1)，适配模型输入
y_true = torch.tensor(y_true_np, dtype=torch.float32).unsqueeze(1)
y_noise = torch.tensor(y_noise_np, dtype=torch.float32).unsqueeze(1)
# 2. 划分训练集和验证集（替代TensorFlow的validation_split=0.2）
dataset = TensorDataset(x, y_noise)
train_size = int(0.8 * len(dataset)) # 80%为训练集
val_size = len(dataset) - train_size # 20%为验证集
train_dataset, val_dataset = random_split(dataset, [train_size, val_size])
# 创建DataLoader（批量加载数据，适配PyTorch训练逻辑，对应原batch_size=16）
train_loader = DataLoader(train_dataset, batch_size=16, shuffle=True)
val_loader = DataLoader(val_dataset, batch_size=16, shuffle=False)
# 3. 构建一个"过于复杂"的模型（容易过拟合），沿用原结构（3个隐藏层，每个64神经元）
class OverfitModel(nn.Module):
def __init__(self):
super(OverfitModel, self).__init__()
# 定义网络层，对应原Dense层，relu激活函数
self.fc1 = nn.Linear(1, 64) # 输入维度1，输出维度64（对应原input_shape=(1,)）
self.fc2 = nn.Linear(64, 64)
self.fc3 = nn.Linear(64, 64)
self.fc4 = nn.Linear(64, 1) # 输出层：回归任务，无激活函数
self.relu = nn.ReLU() # 激活函数，统一调用
def forward(self, x):
# 前向传播逻辑，对应原模型的顺序计算
x = self.relu(self.fc1(x))
x = self.relu(self.fc2(x))
x = self.relu(self.fc3(x))
x = self.fc4(x)
return x
overfit_model = OverfitModel() # 实例化模型
# 4. 定义优化器和损失函数（对应原compile步骤）
criterion = nn.MSELoss() # 均方误差损失，回归任务常用
optimizer = optim.Adam(overfit_model.parameters(), lr=0.001) # Adam优化器，学习率0.001
# 5. 训练模型（手动实现训练循环，替代原fit方法，故意训练500轮加剧过拟合）
epochs = 500
train_losses = [] # 记录训练损失，用于后续可视化
val_losses = [] # 记录验证损失，用于后续可视化
for epoch in range(epochs):
# 训练阶段
overfit_model.train() # 切换为训练模式
train_loss = 0.0
for inputs, labels in train_loader:
optimizer.zero_grad() # 梯度清零，避免累积（PyTorch核心步骤）
outputs = overfit_model(inputs) # 前向传播
loss = criterion(outputs, labels) # 计算损失
loss.backward() # 反向传播，计算梯度（对应前文反向传播知识）
optimizer.step() # 梯度下降，更新参数（对应前文梯度下降知识）
train_loss += loss.item() * inputs.size(0) # 累积批次损失
# 计算本轮平均训练损失
train_loss_avg = train_loss / len(train_loader.dataset)
train_losses.append(train_loss_avg)
# 验证阶段
overfit_model.eval() # 切换为评估模式，禁止 dropout、批量归一化等干扰
val_loss = 0.0
with torch.no_grad(): # 禁用梯度计算，节省内存、加快速度
for inputs, labels in val_loader:
outputs = overfit_model(inputs)
loss = criterion(outputs, labels)
val_loss += loss.item() * inputs.size(0)
# 计算本轮平均验证损失
val_loss_avg = val_loss / len(val_loader.dataset)
val_losses.append(val_loss_avg)
# 6. 预测并可视化结果（转换为numpy数组，适配matplotlib绘图）
overfit_model.eval()
with torch.no_grad():
y_pred_overfit = overfit_model(x).numpy() # 模型预测
y_true_np = y_true.numpy() # 真实值转为numpy
y_noise_np = y_noise.numpy()# 带噪声数据转为numpy
x_np = x.numpy().squeeze() # 输入x转为numpy，删除多余维度
# 绘制图像（与原图风格、标签一致）
plt.figure(figsize=(10, 6))
plt.scatter(x_np, y_noise_np.squeeze(), color='orange', label='带噪声的训练数据', alpha=0.6)
plt.plot(x_np, y_true_np.squeeze(), color='blue', label='真实正弦曲线', linewidth=2)
plt.plot(x_np, y_pred_overfit.squeeze(), color='red', label='过拟合模型预测曲线', linewidth=2)
plt.xlabel('x')
plt.ylabel('y = sin(x) + 噪声')
plt.title('过拟合现象演示：模型过度拟合噪声点')
plt.legend()
plt.show()
# 输出训练集和验证集的最终损失（与原输出一致）
train_loss_overfit = train_losses[-1]
val_loss_overfit = val_losses[-1]
print(f"过拟合模型 - 训练集损失：{train_loss_overfit:.6f}")
print(f"过拟合模型 - 验证集损失：{val_loss_overfit:.6f}")输出如下
1.2 过拟合的直观表现
运行上述代码后，你会观察到两个关键现象，这也是过拟合的核心特征：
-
训练集损失极低（接近0），但验证集损失很高（几乎是训练集的二倍）：模型在训练数据上几乎完美拟合了每一个点（包括我们添加的噪声），但在未见过的验证数据上表现很差；
-
预测曲线"崎岖不平"：红色的预测曲线没有贴合蓝色的真实正弦曲线趋势，反而来回波动，试图穿过每一个橙色的噪声点------这就是"过度拟合"的直观体现。
为什么会出现这种情况？我们在前文学习优化器时，强调"最小化训练损失"，但显然，仅追求训练损失最小化是不够的。接下来，我们从本质上解析过拟合的原因。
二、过拟合的本质原因：模型过度学习
过拟合的核心定义是：模型在训练数据上表现极好，但在新的、未见过的数据（泛化数据）上表现极差。其本质是模型过度学习了训练数据中的"噪声"和"偶然特征"，而忽略了数据背后的"普遍规律"------也就是我们想要模型学习的核心模式。
结合我们前面学过的数学知识，从三个维度拆解过拟合的原因，更易理解：
2.1 模型复杂度 > 数据复杂度
这是过拟合最常见的原因。我们的任务是拟合简单的正弦曲线（1维线性可逼近的非线性关系），但我们构建了包含3个隐藏层、共192个神经元的复杂模型。
从数学角度看，模型的复杂度由其参数数量决定：我们的模型中，每个Dense层的参数包括权重（W）和偏置（b），总参数数量超过1.3万。而我们的训练数据只有100个样本------参数数量远大于样本数量时，模型有足够的"自由度"去"记忆"每一个样本的特征，包括噪声，而不是"学习"规律。
类比来说：用一个100次多项式去拟合10个点，总能找到一条完美穿过所有点的曲线，但这条曲线毫无泛化意义------这就是模型复杂度过高的问题。
2.2 训练数据不足或有噪声
训练数据是模型学习的"素材"，如果素材太少、质量太差，模型就会"抓错重点"。
在我们的代码中，虽然有100个样本，但每个样本都添加了噪声（y_noise = y_true + 0.1*随机噪声）。这些噪声是"偶然特征"------不是正弦曲线本身的属性，而是我们模拟的真实数据中的干扰。当模型复杂度过高时，它会把这些噪声当成"普遍规律"去学习，导致泛化能力下降。
2.3 训练轮次过多（过度训练）
在前文学习梯度下降时，我们知道训练的本质是"迭代调整参数，最小化训练损失"。但如果训练轮次过多，模型会在训练数据上不断"微调"参数，直到完全拟合所有样本（包括噪声）。
从优化角度看，这相当于模型收敛到了"训练损失的最小值"，但这个最小值对应的参数，并不是"泛化损失最小"的参数------模型在训练数据上"过度收敛"，反而偏离了最优的泛化方向。
总结来说：**过拟合的本质，是模型的"拟合能力"超过了数据的"真实规律复杂度"，导致模型学习到了无关信息，最终失去泛化能力。**要解决这个问题，核心思路是"约束模型的拟合能力"------正则化就是最常用、最核心的方法。
三、正则化
正则化（Regularization）的核心思想的是：在模型的损失函数中，加入一个"正则项"（也叫惩罚项），约束模型的参数大小，从而降低模型的复杂度，迫使模型放弃"记忆噪声"，转而学习数据的核心规律。
这里需要注意：正则化并不会改变模型的结构，也不会改变梯度下降、反向传播的核心逻辑------它只是通过修改"损失函数"，改变参数更新的方向，让模型在"拟合训练数据"和"降低复杂度"之间找到平衡。
结合我们前文学习的损失函数知识：假设我们的原始损失函数为L(θ)L(\theta)L(θ)（θ\thetaθ代表模型的所有参数，如权重W和偏置b），加入正则项后，新的损失函数为：
Lreg(θ)=L(θ)+λ⋅R(θ)L_{reg}(\theta) = L(\theta) + \lambda \cdot R(\theta)Lreg(θ)=L(θ)+λ⋅R(θ)
其中：
-
L(θ)L(\theta)L(θ)：原始损失函数（如我们代码中用的均方误差MSE，分类任务中用的交叉熵），负责衡量模型在训练数据上的拟合程度；
-
λ\lambdaλ（lambda）：正则化强度系数，是一个超参数，由我们手动调整------λ\lambdaλ越大，惩罚越强，模型复杂度越低（但可能欠拟合）；λ\lambdaλ越小，惩罚越弱，模型越容易过拟合；
-
R(θ)R(\theta)R(θ)：正则项，用于惩罚模型的参数，常用的有两种：L1正则化和L2正则化。
接下来，我们从数学上详细解析这两种最常用的正则化方法，以及它们如何解决过拟合问题。
四、正则化的数学原理：如何约束模型参数？
正则化解决过拟合的核心数学逻辑是：通过惩罚参数的"大小"或"稀疏性"，降低模型的"表达能力"，让模型无法过度拟合噪声。下面分别讲解L1和L2正则化（重点讲解L2，因为它在深度学习中更常用）。
4.1 L2正则化（权重衰减）：最常用的正则化方法
L2正则化的正则项R(θ)R(\theta)R(θ)，是模型所有参数（通常只惩罚权重W，不惩罚偏置b，原因下文说明）的平方和，公式如下：
R(θ)=12∑iWi2R(\theta) = \frac{1}{2} \sum_{i} W_i^2R(θ)=21i∑Wi2
其中WiW_iWi代表模型中所有的权重参数（不包含偏置b），乘以1/2是为了后续求导时，平方项的系数能和1/2抵消，简化计算（不影响最终的参数更新趋势）。
加入L2正则化后，完整的损失函数（以回归任务的MSE为例）为：
Lreg(θ)=1N∑n=1N(yn−y^n)2+λ2∑iWi2L_{reg}(\theta) = \frac{1}{N} \sum_{n=1}^N (y_n - \hat{y}n)^2 + \frac{\lambda}{2} \sum{i} W_i^2Lreg(θ)=N1n=1∑N(yn−y^n)2+2λi∑Wi2
其中KaTeX parse error: Can't use function '' in math mode at position 2: N̲是训练样本数量，$y_n是真实标签，y^n\hat{y}_ny^n是模型预测值。
L2正则化解决过拟合的数学逻辑
我们在前文学习梯度下降时，参数更新的核心是"对损失函数求导，然后沿梯度反方向更新参数"。对于L2正则化，我们对新的损失函数Lreg(θ)L_{reg}(\theta)Lreg(θ)求权重W的偏导：
∂Lreg∂W=∂L(θ)∂W+λ⋅W\frac{\partial L_{reg}}{\partial W} = \frac{\partial L(\theta)}{\partial W} + \lambda \cdot W∂W∂Lreg=∂W∂L(θ)+λ⋅W
对应的梯度下降参数更新公式（以单步更新为例）为：
Wnew=Wold−η⋅(∂L(θ)∂W+λ⋅Wold)W_{new} = W_{old} - \eta \cdot \left( \frac{\partial L(\theta)}{\partial W} + \lambda \cdot W_{old} \right)Wnew=Wold−η⋅(∂W∂L(θ)+λ⋅Wold)
整理后可得：
Wnew=Wold⋅(1−η⋅λ)−η⋅∂L(θ)∂WW_{new} = W_{old} \cdot (1 - \eta \cdot \lambda) - \eta \cdot \frac{\partial L(\theta)}{\partial W}Wnew=Wold⋅(1−η⋅λ)−η⋅∂W∂L(θ)
这里的关键的是(1−η⋅λ)(1 - \eta \cdot \lambda)(1−η⋅λ)这一项------由于学习率η\etaη和正则化强度λ\lambdaλ都是正数，所以(1−η⋅λ)(1 - \eta \cdot \lambda)(1−η⋅λ)是一个小于1的数。这意味着，每次更新权重时，都会先将权重W乘以一个小于1的系数，再进行梯度更新------本质是"缩小权重"，这也是L2正则化被称为"权重衰减"的原因。
为什么缩小权重能解决过拟合？
从模型表达能力来看，权重W的绝对值越大，模型的拟合能力越强（比如，权重越大，某一特征对输出的影响就越大）。L2正则化通过惩罚权重的平方和，迫使权重W尽可能趋近于0，从而降低模型的拟合能力------让模型无法"过度放大"噪声特征的影响，只能学习数据中普遍存在的、影响较小但更稳定的核心特征。
通俗来说，一组数据会有很多特征，例如本例中的正弦曲线，周期波动是其主要的特征，因此学习该特征对应的权重就大，而噪声也会对应特征，但这些特征就不是我们想学到的，L2 会让所有的权重衰减，大特征（主要特征）衰减后仍然保留（只是值变小），而小特征（噪声特征）会衰减到非常接近 0，其影响被大幅削弱。
当然，也有些小特征确实在数据中存在且需要的，这些权重同样会被衰减、数值变小，可能导致其有效影响被削弱，这就是 L2 正则化的问题。
补充说明：为什么不惩罚偏置b？偏置b是模型的常数项，对模型复杂度的影响远小于权重W；如果惩罚偏置b，可能会导致模型的拟合能力过度下降，反而出现欠拟合。因此，深度学习中，正则化通常只作用于权重W。
4.2 L1正则化：稀疏化权重
L1正则化的正则项R(θ)R(\theta)R(θ)，是模型所有权重参数的绝对值之和，公式如下：
R(θ)=∑i∣Wi∣R(\theta) = \sum_{i} |W_i|R(θ)=i∑∣Wi∣
加入L1正则化后，损失函数的偏导数为：
∂Lreg∂W=∂L(θ)∂W+λ⋅sign(W)\frac{\partial L_{reg}}{\partial W} = \frac{\partial L(\theta)}{\partial W} + \lambda \cdot sign(W)∂W∂Lreg=∂W∂L(θ)+λ⋅sign(W)
其中sign(W)sign(W)sign(W)是符号函数：当W>0时，sign(W)=1；当W<0时，sign(W)=-1；当W=0时，sign(W)=0。
L1正则化的特点
L1正则化的核心作用是"稀疏化权重"------由于sign(W)的存在，它会迫使一部分权重W趋近于0，甚至等于0。这相当于"自动筛选特征"：权重为0的特征，相当于被模型放弃，模型只保留权重非0的核心特征，从而降低模型复杂度，解决过拟合。
对比L2和L1：L2正则化让权重"普遍变小"，但不会让权重变为0；L1正则化让权重"稀疏化"，会让部分权重变为0。在深度学习中，L2正则化更常用（因为稀疏化权重可能导致模型欠拟合，且L2的梯度计算更稳定），我们后续的代码演示也将使用L2正则化。
此外，如果大家学习过范数相关的知识，L1和L2正则化的本质就是向量的范数
五、代码演示：用正则化解决过拟合
下面我们基于前文的过拟合场景，在模型中加入L2正则化，看看它如何解决过拟合问题。我们将使用PyTorch中的权重衰减（weight decay）实现L2正则化（PyTorch中，weight decay本质就是L2正则化，直接在优化器中设置即可），沿用相同的数据集和模型结构，只添加正则项，对比过拟合模型和正则化模型的表现。
5.1 正则化模型代码实现
python
import numpy as np
import matplotlib.pyplot as plt
import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import TensorDataset, DataLoader, random_split
# 1. 复用前文的带噪声正弦曲线数据（和过拟合场景完全一致，转换为PyTorch张量）
np.random.seed(42)
x_np = np.linspace(0, 2*np.pi, 100)
y_true_np = np.sin(x_np)
y_noise_np = y_true_np + 0.1 * np.random.randn(100)
# 转换为PyTorch张量，维度和数据类型与前文一致
x = torch.tensor(x_np, dtype=torch.float32).unsqueeze(1)
y_true = torch.tensor(y_true_np, dtype=torch.float32).unsqueeze(1)
y_noise = torch.tensor(y_noise_np, dtype=torch.float32).unsqueeze(1)
# 2. 复用训练集和验证集划分、DataLoader（与过拟合场景完全一致）
dataset = TensorDataset(x, y_noise)
train_size = int(0.8 * len(dataset))
val_size = len(dataset) - train_size
train_dataset, val_dataset = random_split(dataset, [train_size, val_size])
train_loader = DataLoader(train_dataset, batch_size=16, shuffle=True)
val_loader = DataLoader(val_dataset, batch_size=16, shuffle=False)
# 3. 构建加入L2正则化的模型（和过拟合模型结构一致，通过优化器设置weight decay实现L2正则）
class RegularizedModel(nn.Module):
def __init__(self):
super(RegularizedModel, self).__init__()
# 模型结构与过拟合模型完全一致，不修改网络层
self.fc1 = nn.Linear(1, 64)
self.fc2 = nn.Linear(64, 64)
self.fc3 = nn.Linear(64, 64)
self.fc4 = nn.Linear(64, 1)
self.relu = nn.ReLU()
def forward(self, x):
# 前向传播逻辑与过拟合模型完全一致
x = self.relu(self.fc1(x))
x = self.relu(self.fc2(x))
x = self.relu(self.fc3(x))
x = self.fc4(x)
return x
regularized_model = RegularizedModel() # 实例化正则化模型
# 4. 定义优化器和损失函数（核心：添加weight_decay=0.01，实现L2正则化，对应原lambda=0.01）
criterion = nn.MSELoss() # 损失函数与过拟合模型一致
# weight_decay=0.01 即L2正则化强度λ=0.01，PyTorch会自动将正则项加入损失函数
optimizer = optim.Adam(regularized_model.parameters(), lr=0.001, weight_decay=0.01)
# 5. 训练模型（与过拟合模型训练逻辑一致，500轮、相同批次）
epochs = 500
train_losses_reg = [] # 记录正则化模型训练损失
val_losses_reg = [] # 记录正则化模型验证损失
for epoch in range(epochs):
# 训练阶段
regularized_model.train()
train_loss = 0.0
for inputs, labels in train_loader:
optimizer.zero_grad()
outputs = regularized_model(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
train_loss += loss.item() * inputs.size(0)
train_loss_avg = train_loss / len(train_loader.dataset)
train_losses_reg.append(train_loss_avg)
# 验证阶段
regularized_model.eval()
val_loss = 0.0
with torch.no_grad():
for inputs, labels in val_loader:
outputs = regularized_model(inputs)
loss = criterion(outputs, labels)
val_loss += loss.item() * inputs.size(0)
val_loss_avg = val_loss / len(val_loader.dataset)
val_losses_reg.append(val_loss_avg)
# 6. 预测并可视化结果（与过拟合模型预测逻辑一致）
regularized_model.eval()
with torch.no_grad():
y_pred_reg = regularized_model(x).numpy() # 正则化模型预测
y_pred_overfit_np = y_pred_overfit # 复用前文过拟合模型预测结果
x_np = x.numpy().squeeze()
y_true_np = y_true.numpy().squeeze()
y_noise_np = y_noise.numpy().squeeze()
# 绘制对比图（过拟合 vs 正则化，与原图风格、标签一致）
plt.figure(figsize=(12, 6))
plt.scatter(x_np, y_noise_np, color='orange', label='带噪声的训练数据', alpha=0.6)
plt.plot(x_np, y_true_np, color='blue', label='真实正弦曲线', linewidth=2)
plt.plot(x_np, y_pred_overfit_np.squeeze(), color='red', label='过拟合模型预测', linewidth=2, linestyle='--')
plt.plot(x_np, y_pred_reg.squeeze(), color='green', label='L2正则化模型预测', linewidth=2)
plt.xlabel('x')
plt.ylabel('y = sin(x) + 噪声')
plt.title('过拟合 vs L2正则化：模型预测效果对比')
plt.legend()
plt.show()
# 输出训练集和验证集损失（对比过拟合模型，与原输出格式一致）
train_loss_reg = train_losses_reg[-1]
val_loss_reg = val_losses_reg[-1]
print("="*50)
print("过拟合模型：")
print(f"训练集损失：{train_loss_overfit:.6f}，验证集损失：{val_loss_overfit:.6f}")
print("="*50)
print("L2正则化模型：")
print(f"训练集损失：{train_loss_reg:.6f}，验证集损失：{val_loss_reg:.6f}")
# 绘制损失曲线（观察训练过程中的损失变化，与原图风格、标签一致）
plt.figure(figsize=(12, 6))
plt.plot(train_losses, color='red', label='过拟合模型 - 训练损失')
plt.plot(val_losses, color='red', linestyle='--', label='过拟合模型 - 验证损失')
plt.plot(train_losses_reg, color='green', label='正则化模型 - 训练损失')
plt.plot(val_losses_reg, color='green', linestyle='--', label='正则化模型 - 验证损失')
plt.xlabel('训练轮次（Epochs）')
plt.ylabel('损失值（MSE）')
plt.title('损失曲线对比：正则化缓解过拟合')
plt.legend()
plt.show()
5.2 结果分析：正则化的效果
运行上述代码后，你会观察到三个关键变化，这正是正则化的作用体现：
-
预测曲线更贴合真实趋势：绿色的正则化模型预测曲线，不再像红色过拟合曲线那样崎岖，而是基本贴合蓝色的真实正弦曲线，成功忽略了噪声的干扰；
-
训练损失略有上升，但验证损失大幅下降：过拟合模型的训练损失极低（≈0.006），但验证损失很高（≈0.013）；正则化模型的训练损失有上升（≈0.013），但验证损失却下降了（≈0.011）------这说明模型在训练集和验证集上的表现差不多，放弃了"完美拟合噪声"，转而学习核心规律，泛化能力显著提升；
-
损失曲线收敛更稳定：过拟合模型的训练损失和验证损失"差距越来越大"（验证损失先降后升），而正则化模型的训练损失和验证损失"差距很小"，且都能稳定收敛------这正是正则化约束模型复杂度的效果。
当然，本例仍然比较简单，对正则化的表现可能不太明显，大家可以用其它的例子自行尝试。
5.3 正则化强度λ的选择
正则化强度λ\lambdaλ是一个超参数，需要我们手动调整，不同的λ\lambdaλ会产生不同的效果：
-
λ=0\lambda = 0λ=0：无正则化，模型就是我们前文的过拟合模型；
-
λ\lambdaλ过小（如0.001）：惩罚太弱，无法有效缓解过拟合；
-
λ\lambdaλ过大（如0.1）：惩罚太强，模型权重被过度压缩，会导致欠拟合（训练损失和验证损失都很高，模型无法拟合真实数据趋势）。
在实际应用中，我们通常通过"网格搜索"或"随机搜索"，结合验证集损失，选择最优的λ\lambdaλ值------这也是我们前文提到的"超参数调优"的一部分。
六、总结
到这里，我们已经完整讲解了过拟合与正则化的核心逻辑，结合专栏前文的知识，我们可以总结出几个关键要点，帮你巩固记忆：
-
过拟合的本质：模型复杂度超过数据复杂度，学习到了训练数据中的噪声和偶然特征，泛化能力下降；
-
正则化的核心：通过在损失函数中加入惩罚项，约束模型权重，降低模型复杂度，平衡"拟合能力"和"泛化能力"；
-
数学逻辑：L2正则化通过"权重衰减"让权重普遍变小，L1正则化通过"稀疏化权重"筛选核心特征，二者均通过修改损失函数的梯度，改变参数更新方向；
-
实践要点：深度学习中优先使用L2正则化，重点调整正则化强度λ\lambdaλ，避免过拟合和欠拟合。
正则化是深度学习中"防止模型过拟合"的基础方法，后续我们还会学习 dropout、早停（Early Stopping）等更复杂的防过拟合方法，而这些方法的核心思想，都源于我们今天讲解的约束模型复杂度。