什么是正则化？有哪些正则化方法？

正则化是一种用于防止过拟合的技术，其目的是通过在模型的损失函数中引入附加的惩罚项，来惩罚模型参数的过大或过小。正则化通常会导致模型的泛化性能更好。

目前常见的正则化方法有L1正则化和L2正则化两种：
1. L1正则化：在损失函数中增加L1范数（绝对值）惩罚项，使得模型参数中很多无用的特征权重变成0，从而达到特征选择的效果。
2. L2正则化：在损失函数中增加L2范数（平方和）惩罚项，使得模型参数被限制在一个较小的范围内，从而避免过拟合。

还有其他一些变种形式的正则化方法，比如ElasticNet正则化、Dropout正则化等。