我盡量用通俗一點的話來解答一下樓主的問題，
r( d )可以理解為有d的參數進行約束，或者 D 向量有d個維度。
咱們將樓主的給的凸最佳化結構細化一點，別搞得那麽抽象，不好解釋；
min\left\{ \frac{1}{N}\sum_{i=1}^{N}{(y_{i} - f(x_{i} ))^{2} + r(d)} \right\} , 其中，
咱們可以令: f(x_{i} ) = w_{0}x_{0} + w_{1} x_{1} + w_{2}x_{2} + w_{3}x_{3} + ..... + w_{n}x_{n} .
ok，這個先介紹到這裏，至於f(x)為什麽用多項式的方式去模擬？相信也是很多人的疑問，很簡單，大家看看高等數學當中的泰勒展開式就行了，任何函式都可以用多項式的方式去趨近，e^{x} , log x,lnx,\frac{1}{x} 等等都可以去趨近，而不同的函式曲線其實就是這些基礎函式的組合，理所當然也可以用多項式去趨近，好了，這個就先解釋到這裏了。
接下來咱們看一下擬合的基礎概
