Machine learning 机器学习中的正规化和正规化有什么区别

正规化是正规化的子集吗？我知道当所有值不在同一尺度上时，会使用归一化，但归一化也会用来降低值，正则化也是如此。那么两者之间的区别是什么呢？

会调整数据；调整预测功能

正如您所指出的，如果您的数据在非常不同的尺度上（特别是从低到高的范围），您可能希望

对数据进行归一化处理
：更改每个列以获得相同（或兼容）的基本统计数据，如标准差和平均值。这有助于将拟合参数保持在计算机可以处理的范围内，而不会造成精度损失

模型训练的一个目标是识别信号（重要特征）而忽略噪声（与分类无关的随机变化）。如果你让你的模型自由发挥，使给定数据的误差最小化，你可能会遭受过度拟合的痛苦：模型坚持准确地预测数据集，包括那些随机变化

正则化
通过奖励简单的拟合函数而不是复杂的拟合函数，对这一点施加一定的控制。例如，它可以促进RMS误差为x的简单对数函数优于误差为x/2的15次多项式。调整取舍取决于模型开发人员：如果您知道您的数据在现实中相当平滑，您可以查看输出函数和拟合误差，并选择您自己的平衡。
vs Got it it。谢谢@如果这回答了你的问题，你应该选择它作为答案。否则，问题仍然悬而未决，当其他人有类似的问题时，他们也不会轻易找到它。