在数学与计算机科学中，尤其是在机器学习和逆问题领域中，正则化（英语：regularization）是指为解决适定性问题或过拟合而加入额外信息的过程。

在机器学习和逆问题的优化过程中，正则项往往被加在目标函数当中。

概括来讲，机器学习的训练过程，就是要找到一个足够好的函数${\displaystyle F^{\ast <!--\; \ast \; -->}}$用以在新的数据上进行推理。为了定义什么是“好”，人们引入了损失函数的概念。一般地，对于样本${\displaystyle (\stackrel{\to <!--\; \to \; -->}{x},y)}$和模型${\displaystyle F}$，有预测值${\displaystyle \stackrel{^<!--\; ^\; -->}{y}=F(\stackrel{\to <!--\; \to \; -->}{x})}$。损失函数是定义在${\displaystyle \mathbb{R}\times <!--\; \times \; -->\mathbb{R}\to <!--\; \to \; -->\mathbb{R}}$上的二元函数${\displaystyle \mathrm{\ell <!--\; \ell \; -->}(y,\stackrel{^<!--\; ^\; -->}{y})}$，用来描述基准真相和模型预测值之间的差距。一般来说，损失函数是一个有下确界的函数；当基准真相和模型预测值足够接近，损失函数的值也会接近该下确界。

因此，机器学习的训练过程可以被转化为训练集${\displaystyle \mathcal{D}}$上的最小化问题。我们的目标是在泛函空间内，找到使得全局损失${\displaystyle L(F)=\underset{i\in <!--\; \in \; -->\mathcal{D}}{\sum <!--\; \sum \; -->}\mathrm{\ell <!--\; \ell \; -->}(y_i,{\stackrel{^<!--\; ^\; -->}{y}}_i)}$最小的模型${\displaystyle F^{\ast <!--\; \ast \; -->}}$。

${\displaystyle F^{\ast <!--\; \ast \; -->}:=\underset{F}{\text{arg min}}<!--\; \; -->L(F).}$

由于损失函数只考虑在训练集上的经验风险，这种做法可能会导致过拟合。为了对抗过拟合，我们需要向损失函数中加入描述模型复杂程度的正则项${\displaystyle \mathrm{\Omega <!--\; \Omega \; -->}(F)}$，将经验风险最小化问题转化为结构风险最小化。

${\displaystyle F^{\ast <!--\; \ast \; -->}:=\underset{F}{\text{arg min}}<!--\; \; -->\text{Obj}(F)=\underset{F}{\text{arg min}}<!--\; \; -->(L(F)+\mathrm{\gamma <!--\; \gamma \; -->}\mathrm{\Omega <!--\; \Omega \; -->}(F)),\mathrm{\gamma <!--\; \gamma \; -->}>0.}$

这里，${\displaystyle \text{Obj}(F)}$称为目标函数，它描述模型的结构风险；${\displaystyle L(F)}$是训练集上的损失函数；${\displaystyle \mathrm{\Omega <!--\; \Omega \; -->}(F)}$是正则项，描述模型的复杂程度；${\displaystyle \mathrm{\gamma <!--\; \gamma \; -->}}$是用于控制正则项重要程度的参数。正则项通常包括对光滑度及向量空间内范数上界的限制。${\displaystyle L_p}$-范数是一种常见的正则项。

在贝叶斯学派的观点（英语：Bayesian_interpretation_of_kernel_regularization）看来，正则项是在模型训练过程中引入了某种模型参数的先验分布。

所谓范数即是抽象之长度，通常意义上满足长度的三种性质：非负性、齐次性和三角不等式。

以函数的观点来看，范数是定义在${\displaystyle {\mathbb{R}}^n\to <!--\; \to \; -->\mathbb{R}}$的函数；并且它和损失函数类似，也具有下确界。后一性质是由范数的非负性和齐次性保证的。这一特性使得${\displaystyle L_p}$-范数天然适合做正则项，因为目标函数仍可用梯度下降等方式求解最优化问题。${\displaystyle L_p}$-范数作为正则项时被称为${\displaystyle L_p}$-正则项。

机器学习模型当中的参数，可形式化地组成参数向量，记为${\displaystyle \stackrel{\to <!--\; \to \; -->}{\mathrm{\omega <!--\; \omega \; -->}}}$。不失一般性，以线性模型为例：

${\displaystyle F(\stackrel{\to <!--\; \to \; -->}{x};\stackrel{\to <!--\; \to \; -->}{\mathrm{\omega <!--\; \omega \; -->}}):={\stackrel{\to <!--\; \to \; -->}{\mathrm{\omega <!--\; \omega \; -->}}}^{⊺<!--\; ⊺\; -->}\cdot <!--\; \cdot \; -->\stackrel{\to <!--\; \to \; -->}{x}=\underset{i=1}{\overset{n}{\sum <!--\; \sum \; -->}}{\mathrm{\omega <!--\; \omega \; -->}}_i\cdot <!--\; \cdot \; -->x_i.}$

由于训练集当中统计噪声的存在，冗余的特征可能成为过拟合的一种来源。这是因为，对于统计噪声，模型无法从有效特征当中提取信息进行拟合，故而会转向冗余特征。为了对抗此类过拟合现象，人们会希望让尽可能多的${\displaystyle {\mathrm{\omega <!--\; \omega \; -->}}_i}$为零。为此，最直观地，可以引入${\displaystyle L_0}$-正则项

${\displaystyle \mathrm{\Omega <!--\; \Omega \; -->}(F(\stackrel{\to <!--\; \to \; -->}{x};\stackrel{\to <!--\; \to \; -->}{\mathrm{\omega <!--\; \omega \; -->}})):={\mathrm{\gamma <!--\; \gamma \; -->}}_0\frac{\Vert <!--\; \Vert \; -->\stackrel{\to <!--\; \to \; -->}{\mathrm{\omega <!--\; \omega \; -->}}{\Vert <!--\; \Vert \; -->}_0}{n},{\mathrm{\gamma <!--\; \gamma \; -->}}_0>0.}$

通过引入${\displaystyle L_0}$-正则项，人们实际上是向优化过程引入了一种惩罚机制：当优化算法希望增加模型复杂度（此处特指将原来为零的参数${\displaystyle {\mathrm{\omega <!--\; \omega \; -->}}_i}$更新为非零的情形）以降低模型的经验风险（即降低全局损失）时，在结构风险上进行大小为${\displaystyle \frac{{\mathrm{\gamma <!--\; \gamma \; -->}}_0}{n}}$的惩罚。于是，当增加模型复杂度在经验风险上的收益不足${\displaystyle \frac{{\mathrm{\gamma <!--\; \gamma \; -->}}_0}{n}}$时，整个结构风险实际上会增大而非减小。因此优化算法会拒绝此类更新。

引入${\displaystyle L_0}$-正则项可使模型参数稀疏化，以及使得模型易于解释。但${\displaystyle L_0}$-正则项也有无法避免的问题：非连续、非凸、不可微。因此，在引入${\displaystyle L_0}$-正则项的目标函数上做最优化求解，是一个无法在多项式时间内完成的问题。于是，人们转而考虑${\displaystyle L_0}$-范数的最紧凸放松——${\displaystyle L_1}$-范数，令

${\displaystyle \mathrm{\Omega <!--\; \Omega \; -->}(F(\stackrel{\to <!--\; \to \; -->}{x};\stackrel{\to <!--\; \to \; -->}{\mathrm{\omega <!--\; \omega \; -->}})):={\mathrm{\gamma <!--\; \gamma \; -->}}_1\frac{\Vert <!--\; \Vert \; -->\stackrel{\to <!--\; \to \; -->}{\mathrm{\omega <!--\; \omega \; -->}}{\Vert <!--\; \Vert \; -->}_1}{n},{\mathrm{\gamma <!--\; \gamma \; -->}}_1>0.}$

和引入${\displaystyle L_0}$-正则项的情况类似，引入${\displaystyle L_1}$-正则项是在结构风险上进行大小为${\displaystyle \frac{{\mathrm{\gamma <!--\; \gamma \; -->}}_1|{\mathrm{\omega <!--\; \omega \; -->}}_i|}{n}}$的惩罚，以达到稀疏化的目的。

${\displaystyle L_1}$-正则项亦称LASSO-正则项。

在发生过拟合时，模型的函数曲线往往会发生剧烈的弯折，这意味着模型函数在局部的切线之斜率非常高。一般地，函数的曲率是函数参数的线性组合或非线性组合。为了对抗此类过拟合，人们会希望使得这些参数的值相对稠密且均匀地集中在零附近。于是，人们引入了${\displaystyle L_2}$-范数，作为${\displaystyle L_2}$-正则项。令

${\displaystyle \mathrm{\Omega <!--\; \Omega \; -->}(F(\stackrel{\to <!--\; \to \; -->}{x};\stackrel{\to <!--\; \to \; -->}{w})):={\mathrm{\gamma <!--\; \gamma \; -->}}_2\frac{\Vert <!--\; \Vert \; -->\stackrel{\to <!--\; \to \; -->}{\mathrm{\omega <!--\; \omega \; -->}}{\Vert <!--\; \Vert \; -->}_2^2}{2n},{\mathrm{\gamma <!--\; \gamma \; -->}}_2>0,}$

于是有目标函数

${\displaystyle \text{Obj}(F)=L(F)+{\mathrm{\gamma <!--\; \gamma \; -->}}_2\frac{\Vert <!--\; \Vert \; -->\stackrel{\to <!--\; \to \; -->}{\mathrm{\omega <!--\; \omega \; -->}}{\Vert <!--\; \Vert \; -->}_2^2}{2n},}$

于是对于参数${\displaystyle {\mathrm{\omega <!--\; \omega \; -->}}_i}$取偏微分

${\displaystyle \frac{\mathrm{\partial <!--\; \partial \; -->}\text{Obj}}{\mathrm{\partial <!--\; \partial \; -->}{\mathrm{\omega <!--\; \omega \; -->}}_i}=\frac{\mathrm{\partial <!--\; \partial \; -->}L}{\mathrm{\partial <!--\; \partial \; -->}{\mathrm{\omega <!--\; \omega \; -->}}_i}+\frac{{\mathrm{\gamma <!--\; \gamma \; -->}}_2}{n}{\mathrm{\omega <!--\; \omega \; -->}}_i.}$

因此，在梯度下降时，参数${\displaystyle {\mathrm{\omega <!--\; \omega \; -->}}_i}$的更新

${\displaystyle {\mathrm{\omega <!--\; \omega \; -->}}_i^{\prime }\leftarrow <!--\; \leftarrow \; -->{\mathrm{\omega <!--\; \omega \; -->}}_i-<!--\; -\; -->\mathrm{\eta <!--\; \eta \; -->}\frac{\mathrm{\partial <!--\; \partial \; -->}L}{\mathrm{\partial <!--\; \partial \; -->}{\mathrm{\omega <!--\; \omega \; -->}}_i}-<!--\; -\; -->\mathrm{\eta <!--\; \eta \; -->}\frac{{\mathrm{\gamma <!--\; \gamma \; -->}}_2}{n}{\mathrm{\omega <!--\; \omega \; -->}}_i=(1-<!--\; -\; -->\mathrm{\eta <!--\; \eta \; -->}\frac{{\mathrm{\gamma <!--\; \gamma \; -->}}_2}{n}){\mathrm{\omega <!--\; \omega \; -->}}_i-<!--\; -\; -->\mathrm{\eta <!--\; \eta \; -->}\frac{\mathrm{\partial <!--\; \partial \; -->}L}{\mathrm{\partial <!--\; \partial \; -->}{\mathrm{\omega <!--\; \omega \; -->}}_i}.}$

注意到${\displaystyle \mathrm{\eta <!--\; \eta \; -->}\frac{{\mathrm{\gamma <!--\; \gamma \; -->}}_2}{n}}$通常是介于${\displaystyle (0,1)}$之间的数，${\displaystyle L_2}$-正则项会使得参数接近零，从而对抗过拟合。

${\displaystyle L_2}$-正则项又称Tikhonov-正则项或Ringe-正则项。

提前停止可看做是时间维度上的正则化。直觉上，随着迭代次数的增加，如梯度下降这样的训练算法倾向于学习愈加复杂的模型。在实践维度上进行正则化有助于控制模型复杂度，提升泛化能力。在实践中，提前停止一般是在训练集上进行训练，而后在统计上独立的验证集上进行评估；当模型在验证集上的性能不在提升时，就提前停止训练。最后，可在测试集上对模型性能做最后测试。