损失函数
损失函数的基本形式为
第一项为误差 ，我们把它叫做，第二项为模型复杂度。
为了防止模型过拟化，我们才加入模型的复杂度，在保证精确度与防止模型的过拟化，我们将两项加起来，r(d) 过大，再小也没用；相反r(d)再小，大也失去了问题的意义。
书本中，或者很多机器学习的资料中，为了让全球的机器学习人员有个通用的术语，同时让大家便于死记硬本，给我上一段黑体字的部分的内容加上了一坨定义，例如：我们管叫做经验风险，管上面我们思维导图的过程叫做正则化，所以顺其自然的管r(d)叫做正则化项，然后管 叫做结构风险，所以顺其自然的正则化就是我们将结构风险最小化的过程，它们是等价的。
