# 多项式回归：过拟合、正则化与偏差-方差

> 来源：https://deeplearning.bnuai.com/demos/overfitting ｜ 作者：唐志清（北京师范大学） ｜ 更新：2026-11-01 ｜ 内容依据邱锡鹏《神经网络与深度学习》（https://nndl.ai/）及作者公开课件

> （此处为交互演示，请在网页中使用：https://deeplearning.bnuai.com/demos/overfitting）

## 观察要点

1. 模型复杂度增加时训练误差单调下降，测试误差先降后升（U 形曲线）。
2. L2 正则（岭回归）限制参数大小，等价于给参数加高斯先验。
3. 增加数据是缓解过拟合最直接的办法：把样本数调到 60 再看高阶多项式。

相关章节：[第 2 章 机器学习概述](https://deeplearning.bnuai.com/chapters/02-machine-learning)。