在拟合模型时如果出现了过拟合的情况，一种处理方式：减少模型的特征数量；另一种方式：加入正则项。那么如何理解加入正则项可以修正过拟合问题。
以多项式模型为例，假设正常的拟合直线为$ y = x^2 $ （蓝色）,若在模型中加入了过多的二项式$ y = x^4 + x^3 +x^2 $（绿色），模型就会出现过拟合的情况。
加入正则项的思想是降低高次项的系数，削弱高次项对模型的影响。如调整4次项和3次项的系数为0.01，$ y= 0.01x^4 + 0.01x^3 +x^2 $，图形如下：
备注：
$ y = x^2 $（蓝色） $ y = x^4 + x^3 +x^2）$（绿色） $ y= 0.01x^4 + 0.01x^3 +x^2 $ （红色）
通过降低4次项和3次项的系数，让其趋近于0，可以极大的弱化4次项和3次项对函数的影响，进而降低了过拟合的影响。