机器学习中的"防过拟合神器"：正则化全解析

1. 正则化：不只是"规矩"那么简单

• 想象一下，你正在教一个特别勤奋但有点死板的学生学习数学。这个学生能把所有例题背得滚瓜烂熟，但遇到稍微变化的新题目就束手无策——这就是机器学习中的**过拟合(Overfitting)**现象。

• 正则化(Regularization)就是给这个"过于勤奋"的模型制定一些"规矩"，防止它过度记忆训练数据中的噪声和细节，从而提高泛化能力。简单说，正则化就是在损失函数中额外添加一个惩罚项，让模型参数不要变得太大。

• 正则化就是防止过拟合，增加模型的鲁棒性robust。鲁棒性调优就是让模型拥有更好的鲁棒性，也就是让模型的泛化能力和推广能力更加的强大。

1.1 鲁棒性案例说明

• 下面两个式子描述同一条直线那个更好？
  $$\begin{gathered} 0.5x_1+0.4x_2+0.3=0 \\ 5x_1+4x_2+3=0 \end{gathered}$$
• 第一个更好，因为下面的公式是上面的十倍，当w越小公式的容错的能力就越好。因为把测试集带入公式中如果测试集原来是100在带入的时候发生了一些偏差，比如说变成了101，第二个模型结果就会比第一个模型结果的偏差大的多。公式中
  $\hat{y}=w^{T}x$当x有一点错误，这个错误会通过w放大从而影响z。但w也不能太小，当w太小时正确率就无法保证，就没法做分类。想要有一定的容错率又要保证正确率就要由正则项来决定。
• 所以正则化（鲁棒性调优）的本质就是牺牲模型在训练集上的正确率来提高推广能力，W在数值上越小越好，这样能抵抗数值的扰动。同时为保证模型的正确率W又不能极小。故而人们将原来的损失函数加上一个惩罚项，这里面损失函数就是原来固有的损失函数，比如回归的话通常是MSE，然后在加上一部分惩罚项来使得计算出来的模型W相对小一些来带来泛化能力。
• 常用的惩罚项有L1正则项或者L2正则项
  $$\begin{gathered} L_1=\sum _{i=0}^m|w_i| \\ {L}_2=\sum _{i=0}^m{w}_i^2 \end{gathered}$$
• L1和L2正则的公式数学里面的意义就是范数，代表空间中向量到原点的距离
  

2. L1正则化：冷酷的特征选择器

• L1正则化，又称Lasso回归，它在损失函数中添加的是模型权重的绝对值和：

  损失函数 = 原始损失 + λ * Σ|权重|
  

特点：

• 倾向于产生稀疏解(许多权重精确为0)

• 自动执行特征选择

• 对异常值敏感

• 在零点不可导

• L1正则化自动选择重要特征：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import Lasso# 设置支持中文的字体
# 使用SimHei字体，这是一种常见的中文字体，能够正确显示中文字符
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决负号显示问题，确保在图表中正确显示负号
plt.rcParams['axes.unicode_minus'] = False# 生成一些数据，其中只有3个特征真正有用
# 设置随机种子以确保结果可重复
np.random.seed(42)
# 生成100个样本，每个样本有10个特征的随机数据
X = np.random.randn(100, 10)
# 定义真实系数，只有前3个和第5个特征有用
true_coef = [3, 2, 0, 0, -1, 0, 0, 0, 0, 0]
# 生成目标变量y，通过线性组合X和true_coef，并添加一些噪声
y = np.dot(X, true_coef) + np.random.normal(0, 0.5, 100)# 使用L1正则化（Lasso回归）
# 创建Lasso模型实例，设置正则化参数alpha
lasso = Lasso(alpha=0.1)
# 使用生成的数据拟合模型
lasso.fit(X, y)# 查看学到的系数
# 使用stem图显示Lasso模型学到的系数
plt.stem(range(10), lasso.coef_)
# 在同一图表上绘制真实系数，用红色圆圈标记
plt.plot(range(10), true_coef, 'ro', label='真实系数')
# 添加图例
plt.legend()
# 设置图表标题
plt.title('L1正则化的特征选择能力')
# 显示图表
plt.show()

• 你会惊讶地发现，Lasso几乎完美地识别出了哪些特征真正重要，哪些可以忽略！
  

3. L2正则化：温柔的约束者

• L2正则化，又称权重衰减(Weight Decay)或岭回归(Ridge Regression)，它在损失函数中添加了模型权重的平方和作为惩罚项：

损失函数 = 原始损失 + λ * Σ(权重²)

其中λ是正则化强度，控制惩罚的力度。
特点：

• 使权重趋向于小而分散的值
• 对异常值不敏感
• 数学性质良好，总是可导

---

L2正则化在行动：

import numpy as np
from sklearn.linear_model import Ridge
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import PolynomialFeatures
import matplotlib.pyplot as plt# 设置支持中文的字体
# 使用SimHei字体，这是一种常见的中文字体，能够正确显示中文字符
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决负号显示问题，确保在图表中正确显示负号
plt.rcParams['axes.unicode_minus'] = False# 生成一些带噪声的数据
np.random.seed(42)
X = np.linspace(0, 1, 20)
y = np.sin(2 * np.pi * X) + np.random.normal(0, 0.2, 20)# 准备不同阶数的多项式特征
X_test = np.linspace(0, 1, 100)
plt.scatter(X, y, color='blue', label='训练数据')# 对比不同正则化强度
for alpha in [0, 0.001, 0.01]:model = make_pipeline(PolynomialFeatures(15),Ridge(alpha=alpha))model.fit(X[:, np.newaxis], y)y_test = model.predict(X_test[:, np.newaxis])plt.plot(X_test, y_test, label=f'λ={alpha}')plt.legend()
plt.title('L2正则化效果对比')
plt.show()

• 运行这段代码，你会看到随着λ增大，曲线从过拟合(完美拟合噪声)逐渐变得平滑，更接近真实的sin函数形状。
  

4. L1 vs L2：兄弟间的较量

特性	L1正则化	L2正则化
惩罚项	Σ	w
解的性质	稀疏	非稀疏
特征选择	是	否
计算复杂度	高(需特殊优化)	低
对异常值	敏感	不敏感

经验法则：

• 当特征很多且认为只有少数重要时 → 用L1
• 当所有特征都可能相关且重要性相当时 → 用L2
• 不确定时 → 用ElasticNet(两者结合)
  
• $L_1$更容易相交于坐标轴上，而$L_2$更容易相交于非坐标轴上。如果相交于坐标轴上，如图$L_1$就使得是$W_2$非0，$W_1$是0，这个就体现出$L_1$的稀疏性。如果没相交于坐标轴，那$L_2$就使得W整体变小。通常为去提高模型的泛化能力$L_1$和$L_2$都可以使用。$L_1$的稀疏性在做机器学习的时候，可以帮忙去做特征的选择。

5. 正则化的超参数调优

选择正确的λ值至关重要：

• λ太大 → 欠拟合(模型太简单)
• λ太小 → 过拟合(模型太复杂)

可以使用交叉验证来寻找最佳λ：

from sklearn.linear_model import LassoCV# 使用LassoCV自动选择最佳alpha
lasso_cv = LassoCV(alphas=np.logspace(-4, 0, 20), cv=5)
lasso_cv.fit(X, y)print(f"最佳alpha值: {lasso_cv.alpha_}")

6. 正则化的数学直觉

为什么限制权重大小能防止过拟合？想象模型是一个画家：

• 没有正则化：画家可以用极其精细的笔触(大权重)来完美复制训练数据中的每个细节(包括噪声)
• 有正则化：画家被迫用更粗的笔触(小权重)，不得不忽略一些细节，从而捕捉更一般的模式

7. 常见误区

误区：

• 认为正则化可以完全替代更多的训练数据
• 在所有特征上使用相同的正则化强度
• 忽略特征缩放(正则化对尺度敏感！

8. 总结

• 正则化就像给模型戴上的"紧箍咒"，看似限制了模型的自由，实则让它更加专注和高效。记住，在机器学习中，有时候"约束"反而能带来"解放"——解放模型从训练数据的桎梏中解脱出来，获得更好的泛化能力。