为什么在机器学习模型正则化时通常不对偏置（bias）项进行正则化？

回答思路

1. 说明偏差项的作用：调整模型输出但不影响特征权重
2. 解释正则化的目的是控制复杂度、防止过拟合，而偏差项不随特征增加而增加复杂度
3. 指出对偏差正则化会导致模型无法正确拟合数据，产生欠拟合
4. 能结合线性模型或多层网络说明偏差项独立于特征的特性