解释：正则化解决的是过拟合问题，过拟合是因为选择参数过多，非常准备的拟合了训练数据，如最右那张图，过度拟合训练数据的结果是，该模型的泛化程度很低，多新数据的拟合非常差。
如果，是对于逻辑回归的过渡拟合。
解决过拟合的方法:
总结：正则化的思想就是，对与代价函数J(θ)加上一项惩罚因子，要是代价函数J(θ)最小的的唯一途径就是使参数θ[1:n]尽可能小。
