正则化是"不知道什么时候该停"的解决方案

模型越复杂、拟合越好——但到某个点后，好变成了坏。正则化的本质是在优化目标中植入"复杂性有代价"的信念。这不只适用于机器学习：组织扩张、产品功能增加、个人技能积累——任何"越多越好"的直觉都需要一个正则化项来刹车。