这个模型不好，因为隐藏因素：物种
优化这个模型
不同物种的对应的error线也是不一样的，那么error会更小，fit的更好
当然还和其他的因素有关：不同物种在进化时的情况不同（如红色线），其次有些值略高或略低于直线（产生进化后CP值时有加rand）
此时可以构造更复杂的模型，把想到的因素都考虑进去，此时会fit的很好
得到的train_error很小，但是会过拟合
过拟合了，怎么办呢？
regularization
smooth:此处表示output对输入x的变化不敏感，我们喜欢更平滑的funct
wi越小，那么输入变化对输出影响越小（wi*dea(xi)越小）
lam越大function 越平滑
b(bias)只会让图像上下移动，对平滑程度没影响，那么regularization不需要考虑bias