問題 No.1237
過学習を防ぐための正則化手法において、損失関数にパラメータの絶対値の総和であるL1ノルムをペナルティとして加えることで、いくつかのパラメータの重みを完全にゼロにし、自動的な特徴選択の効果を持たせる手法は【 】と呼ばれる。空欄に当てはまる最も適切なものはどれか。
【正解の解説】
ラッソ回帰
ラッソ回帰とは、絶対値の総和をペナルティに加えることで、不要な特徴量の重みをゼロにする手法です。自動的に重要な要素を選び出す効果があります。
スポンサーリンク
【その他の選択肢の解説】
リッジ回帰
リッジ回帰とは、重みの2乗和をペナルティとして追加することで、パラメータを小さく抑えて過学習を抑える手法です。
Elastic Net
エラスティックネットとは、L1正則化とL2正則化の双方を組み合わせた手法です。両方のメリットを活かし、バランスを取りながら学習を安定させます。
最小二乗法
最小二乗法とは、予測と正解の誤差を2乗したものの和が最小になるようにモデルを調整する、最も基本的な回帰の当てはめ手法のことです。