核心考点：正则化与数据增强的协同作用。需理解两者对模型复杂度和数据分布的影响。 解题思路： 1. L2正则化通过惩罚权重参数降低模型复杂度 2. 数据增强通过扩展训练数据集提高泛化能力 3. 联合使用时： - 训练误差可能因模型约束而增加（正则化限制拟合能力） - 测试误差因泛化能力提升而减小 选项分析： A. 错误，仅适用于欠拟合情形 B. 正确，符合两种方法的协同作用 C. 错误，描述的是过拟合未解决的情况 D. 错误，明显违背基础理论 易错点：混淆正则化单独使用与组合使用的区别