MENTAL MODEL · M6030
正则化
Regularization
Version 1.0.0 · 更新于 2026-07-30
CORE DEFINITION · 核心定义
在损失函数中加入一个惩罚项（如参数的绝对值），以限制模型的复杂度，防止过拟合。宁可牺牲一点训练精度，也要保持模型的简单性。
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
人为引入的约束。在解释世界或制定计划时，如果你发现解释过于复杂（过拟合），通过引入“正则化项”（奥卡姆剃刀），强迫自己剔除次要变量。简单的模型往往泛化能力更强。
anchor
锚定快速决策
在损失中加惩罚项（L1/L2）约束参数规模，降低模型复杂度，提升泛化、抑制过拟合。
MINIMUM ACTION · 最小行动
进行中 0/4在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- en.wikipedia.orghttps://en.wikipedia.org/wiki/Regularizationverified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。
RELATED MODELS · 相关模型