您在使用岭回归时尝试最小化的函数由两部分组成，一个描述模型与数据的拟合程度的标准损失函数（在您的示例中，这是均方误差）和一个惩罚项。惩罚项只是模型参数的绝对值之和乘以 lambda，它是岭回归的超参数。这描述了惩罚项对总损失的影响有多大，较大的 lambda 意味着该模型可能会偏爱具有较小（值）参数的更简单模型。因此，模型必须在两者之间进行权衡，提高与数据的拟合度，同时确保参数的值保持相对较小，以防止惩罚项变得太大。