嶺迴歸（Ridge Regression），也稱爲Tikhonov正則化，是一種處理共線性數據和病態數據的技術，它通過在最小二乘法的代價函數中加入一箇對迴歸係數的L2範數懲罰項來工作。
這種方法的目的是通過增加額外的懲罰來防止過擬合，從而使得模型在保持一定精度的同時，能夠提供更符合實際的迴歸係數。嶺迴歸通過在參數估計中引入偏差（即放棄最小二乘法的無偏性），以損失部分信息爲代價，從而獲得更可靠的估計。它適用於特徵數量接近或超過樣本數量的情況，以及存在多重共線性的數據集。嶺迴歸通過在係數向量的L2範數上施加懲罰，使得係數向量的長度減小，從而防止其過度增長。這種方法與LASSO迴歸（使用L1範數懲罰）和彈性網絡不同，它不會將任何係數精確設置爲零，但會縮小所有係數的值。