問題 No.1296
機械学習モデルの過学習を防ぐ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のペナルティ項を加えるものがある。この手法を適用した際に、一部のパラメータの重みが完全にゼロになる数学的な特性が生じる現象を何と呼ぶか。
【正解の解説】
スパース性
スパース性は、データや重みの多くの要素がゼロになる性質のことです。L1正則化を用いると、不要な重みがゼロになりやすくこの特性が得られます。
スポンサーリンク
【その他の選択肢の解説】
勾配消失問題
勾配消失は、深い層において学習に必要な勾配が小さくなり、パラメータの更新が止まってしまう現象です。
多重共線性
多重共線性とは、モデルの入力変数間に強い相関があることで、予測精度が不安定になる現象のことです。
次元の呪い
次元の呪いは、データの次元数が増えるほどデータの密度が下がり、計算や分類が困難になる現象です。