Объясните принцип работы регуляризации в линейных моделях и её влияние на переобучение.

Регуляризация добавляет к ошибке штраф за сложность коэффициентов: L2 уменьшает их величину, L1 может занулять часть весов. Это снижает дисперсию ценой возможного смещения.

Силу штрафа подбирают на валидации без утечки. Масштабирование признаков важно, иначе одинаковый штраф по-разному влияет на их вклад. Слишком сильная регуляризация приводит к недообучению; она не исправляет неверную разметку и не заменяет корректное разбиение данных.