以下关于正则化的描述正确的是？

A：正则化可以防止过拟合

• ✅ 正确。正则化在损失函数中加入惩罚项，限制模型复杂度，从而减少过拟合。

B：L1正则化能得到稀疏解

• ✅ 正确。L1正则化（Lasso）的惩罚项是权重的绝对值之和，优化时会导致部分权重变为零，从而得到稀疏模型。

C：L2正则化参数 λλ 越大，模型越复杂

• ❌ 错误。λλ 是正则化强度的系数，λλ 越大，惩罚越强，权重趋向于零，模型越简单，而不是越复杂。

D：L2正则化可以得到平滑的权值

• ✅ 正确。L2正则化（Ridge）的惩罚项是权重的平方和，会使权重值都变小但非零，整体分布更均匀、平滑，减少某些权重的极端值，从而让模型输出函数更平滑。