数据集里面，训练集训出来的模型在测试集上效果不好。这是因为数据没有很好的代表性，把斜率带偏了。
在这个例子里面，通过加上正则项，使得最后的结果斜率更低。
如果是参数比较大，自变量的变化会导致因变量变化很大。所以要对参数限制。
得到的模型斜率比较低，所以预测结果对于斜率的敏感性比较低。
在ridge regression里面，如果要求截距也是很小，就会导致0点处基本为0。所以不会这样要求。
普通的线性回归的数据量应该大于参数量，但是用Ridge Regression可以在数据量很少的时候进行计算。