正則化是一種在機器學習和深度學習中廣泛套用的技術，它旨在改善模型的泛化能力，降低結構風險，並防止過擬合。
正則化通過在模型的損失函式或代價函式中添加一個正則化項來實現，這個正則化項通常是對模型參數（如權重）的一個懲罰項。通過這種方式，正則化促使模型在選擇經驗風險小且模型複雜度低的狀態之間找到平衡，從而提高了模型在新數據上的表現，減少泛化誤差。在不同的機器學習模型和場景中，正則化可以採取不同的形式，如L1正則化、L2正則化等。
總的來說，正則化是一種通過修改學習算法，比如通過添加額外的約束和懲罰，來提高模型在測試集上的表現的技術。