正则化为什么可以降低过拟合
在进行机器学习的模型训练的时候，如果我们的训练数据不够，或者迭代的次数太多等等原因，可能会使我们的训练误差非常小，但是对测试集的误差会很大，我们把这称为过拟合，如图：
为了防止overfitting，可以用的方法有很多比如：early stopping、数据集扩增（Data augmentation）、正则化（Regularization）包括L1、L2（L2 regularization也叫weight decay），dropout，这里我们只对L1，L2正则化为什么可以降低过拟合做出说明：
L2正则化（权重衰减）
L2正则化就是在代价函数后面再加上一个正则化项：
C0代表原始的代价函数，后面那一项就是L2正则化项，它是这样来的：所有参数w的平方的和，除以训练集的样本大小n。λ就是正则项系数，权衡正则项与C0项的比重。另外还有一个系数1/2，1/2经常会看到，主要是为了后面求导的结果方便，后面那一项求导会产生一个2，与1/2相乘刚好凑整。
L2正则化项是怎么避免过拟合(overfitting)的呢？我们推导一下看看，先求导：
可以发现L2正则化项对b的更新没有影响，但是对于w的更新有影响.
w运用梯度下降算法得到：
因为η、λ、n都是大于0的，所以相比于没有使用L2范数，w的值变小了，所以L2范数的作用就是减小w，这也就是权重衰减（weight decay）的由来。当然考虑到后面的导数项，w最终的值可能增大也可能减小。
到目前为止，我们只是解释了L2正则化项有让w“变小”的效果，但是还没解释为什么w“变小”可以防止过拟合(overfitting)？
抽象的解释就是：更小的权值w，从某种意义上说，表示网络的复杂度更低，对数据的拟合刚刚好（这个法则也叫做奥卡姆剃刀）。好吧这个解释也不能很好的说服我，下面我将用图片给大家解释一下：
如图：过拟合的时候，拟合函数的系数往往非常大，为什么？如上图所示，过拟合，就是拟合函数需要顾忌每一个点，最终形成的拟合函数波动很大。在某些很小的区间里，函数值的变化很剧烈。这就意味着函数在某些小区间里的导数值（绝对值）非常大，由于自变量值可大可小，所以只有系数足够大，才能保证导数值很大。
而L2正则化是通过约束参数的范数使其不要太大（也就是降低w，使系数减小），所以可以在一定程度上减少过拟合情况。
我在用几幅图片让大家更详细的理解L2范数
如图：
这里的w表示一个二维参数（w1，w2），中间的五角星表示最优的参数w1,w2使训练误差最小，而其他的圆形或菱形分别是L1或L2范数对w的约束。可以看到在这些约束下得到的w已经不是全局最优w了，所以训练误差增大了，而测试误差减小了。