模型正则化通过限制模型参数的大小来防止过拟合，提高模型的泛化能力。岭回归通过在损失函数中加入与模型参数平方和的阿尔法值项，对模型参数进行约束。阿尔法值是超参数，需要在预测准确度和参数大小之间取得平衡。
岭回归是模型正则化的一种方式，一般用来解决多项式回归时的过拟合问题，在使用的时候代替LinearRegression来生成模型对象，也就是如果不使用，以下是使用方式
from sklearn.linear_model import Ridge
lin_reg = Ridge(alpha=0.001)如果是使用管道，则可以如下：
from sklearn.linear_model import Ridge
from sklearn.preprocessing import PolynomialFeatures
from sklearn.preprocessing import StandardScaler
def RidgeRegression(degree,alpha):
return Pipeline([
("poly",PolynomialFeatures(degree=degree)),
("std_scaler",StandardScaler()),
("ridge_reg",Ridge(alpha=alpha)) #不使用LinearRegression，而是使用岭回归
])