在学coursera的modeling课程WEEK4，功底不行搞不懂了，请教版上大牛：介绍了集中regularization 的方法包括：ridge(岭回归), lasso和relaxo，
看上去都是对自变量做评价然后做线性组合（变换）什么的吧，
似乎这些正规化方法能解决的问题是降维，还能防止overfitting的问题。我的理解不对请指教哈！

我的问题是：
1.这些方法能在线性模型或者logisitc这种自变量线性组合的模型里用，那能适用于SVM和决策树这类方法么？
2.如果维度相对于样本量来说并不高，是不是做regularizatioin就没有任何好处了？
就是这些，多谢多谢~