正则化是机器学习中的重要技术，它帮助控制模型的复杂性，避免过拟合。常见的正则化方法包括 L1L_1L1​、L2L_2L2​ 正则化、Dropout 和早停等。在实际应用中，选择适当的正则化方法和超参数是构建稳定模型的关键。

迁移学习（Transfer Learning）是一种机器学习方法，旨在将一个领域或任务中学到的知识迁移到另一个相关领域或任务中，以提高新任务的学习效果或效率。它的主要思想是避免从头开始训练模型，特别是在目标任务上数据有限的情况下，利用预训练模型在相关任务上学到的特征、模式或参数进行微调或适应。