リッジ回帰

係数をできるだけ小さくしつつ、予測と実際の誤差を小さくする

誤差が小さくなるようにするだけではなく、係数の大きさを表すF（正規化項）も小さくなるように、計算式の係数を選ぶ

係数が大きい場合は、係数^2の値はかなり大きくなるため、係数の大小関係に対して、影響を与えられる

過学習を防げる可能性が高くなる

「訓練データでの予測と実測の誤差」+ 「計算式の係数の２乗の合計」を足し合わせた「L」が最小になるような計算式

L = E + (定数) * F

定数は分析者が決める

小さくすると、係数の大きさを考慮しないことになる

大きくしすぎると、係数の大きさを無視することになり、訓練データの予測結果が悪くなる

E は予測と実測の誤差（正確には誤差の２乗）の合計

F は係数の２乗の合計