Риджная регрессия штрафует коэффициенты модели, чтобы исправить переоснащение. Как вы, вероятно, узнали, переоснащение происходит, когда в вашей модели слишком много параметров, что приводит к запоминанию данных (что приводит к плохому обобщению). В гребне регрессии вы добавляете смещение к оценкам регрессии, чтобы уменьшить дисперсию. Это работает путем добавления штрафного члена к функции потерь, чтобы уменьшить вклад каждого признака в результат модели. Надеюсь, это поможет!