SVM损失函数：铰链函数不同的权重参数可能导致相同的损失大小（比如都=0），这个时候遵循“奥卡姆剃刀原理”，取最小的权重矩阵。 正则化项（regularization）让模型更加简单，减小过拟合，提高泛化能力。有L1和L2正则化，还有后面跟复杂的的dropout等本质上都是起到过拟合的作用。 softmax分类器：
