Regularization is een techniek in machine learning die overtraining voorkomt door een penalty toe te voegen aan grote parameters of complexe modellen. Het straft het leeralgoritme voor het maken van extreem grote gewichten, wat helpt generalisatie te verbeteren.

Veelgebruikte regularisatietechnieken zijn L1 en L2 regularisatie, dropout en early stopping. Door regularisatie kunnen modellen beter generaliseren naar onzichtbare gegevens in plaats van zich alleen aan te passen aan trainingsgegevens.