L2正则化

#正则化是解决共线性的一个很有用的方法，他可以过滤掉数据中的噪声，并最终防止过拟合
#正则化就是引入额外的信息（偏差）对极端权重参数做惩罚。
#特征缩放（如标准化）很重要的一个原因就是正则化。
#为了使正则化起作用，需要保证所有特征的衡量标准保持统一。
#使用正则化方法：在代价函数后面加上正则化项
#正则化参数lambda，减小正则化参数的倒数C的值相当于增加正则化的强度