問題 No.1219
機械学習の過学習を防ぐ手法において、損失関数にパラメータの絶対値の和をペナルティ（罰則項）として加えることで、不要な特徴量の重みを完全に0にし、自動的に特徴量選択を行う効果を持つ数理的手法はどれか。
【正解の解説】
L1正則化
L1正則化は、不要な重みを0に追い込む効果がある手法です。モデルを簡素化し、本当に重要な特徴だけを抽出する「特徴量選択」のような役割を果たします。
スポンサーリンク
【その他の選択肢の解説】
L2正則化
L2正則化は、重みの値全体を小さく抑えることで、特定のパラメータが極端に大きくなるのを防ぐ手法です。モデル全体の複雑さを抑え、過学習を防ぐために使われます。
ドロップアウト
ドロップアウトは、学習中に一部のニューロンをあえて無視する手法です。特定の組み合わせに依存しない強固なモデルを作るために有効です。
データ標準化
データ標準化は、データの単位やスケールを平均0、分散1に揃える処理です。計算を効率化し、学習を安定させるための前処理として非常に一般的です。