正则化强度对决策边界的影响

用可调参数 \(\lambda\) 模拟 L2 正则:\(\mathbf{w}_{reg}=\mathbf{w}/(1+\lambda)\)。观察边界如何从“复杂贴点”逐步变得平滑,直观理解过拟合与欠拟合。

正类样本 负类样本 当前正则边界
有效 |w|
0.00
训练准确率
0.00%

一般来说:λ 过小 → 可能过拟合;λ 适中 → 泛化更稳;λ 过大 → 权重被过度压缩,边界变“迟钝”,出现欠拟合。