输出为什么会随着正则项alpha的变化有正有负，为什么那么小，
输出随正则项alpha变化有正有负的原因：
正则项alpha控制着正则化的强度。当alpha较小时，正则项的贡献较小，模型会更加关注数据的拟合程度，即最小化经验风险。当alpha较大时，正则项的贡献较大，模型会更加关注模型的复杂度，即最小化结构风险。因此，随着alpha的变化，输出也会发生变化。
输出为什么那么小的原因：
在正则化过程中，通过对权重的L2范数加入正则项，可以控制模型的复杂度。这个L2正则项是一个二次项，随着权重的增加，它会以平方级的速度增加。因此，如果权重过大，这个正则项的值也会非常大，从而使得整体损失函数的值也非常大。为了避免这种情况，权重会自我调整，以使整体损失函数的值最小。这个自我调整的过程就是反向传播算法中的权重更新步骤。因此，在训练过程中，输出的权重往往不会很大，这样可以避免模型的过于复杂，避免过拟合。