問題 No.471
回帰分析において、モデルの重みの二乗和を損失関数に加えることで、重みが大きくなることを防ぎ、過学習を抑制する手法はどれか。
【正解の解説】
リッジ回帰
Ridge(L2正則化)は、モデルの重みの二乗和を損失関数に加えることで、個々の重みが極端に大きくならないように抑制し、過学習を防ぎます。
スポンサーリンク
【その他の選択肢の解説】
ラッソ回帰
Lasso(L1正則化)は、モデルの重みの絶対値の和をペナルティとして加える手法で、不要な重みを0にしてモデルを簡素化する特徴があります。
ドロップアウト
ドロップアウトは、学習中にランダムにニューロンを無効化することで、ネットワークが特定のデータに依存しすぎるのを防ぐ手法です。
ロジスティック回帰
ロジスティック回帰は、ある事象が起こる確率を予測する分類のためのアルゴリズムで、回帰と名前にありますが主に分類に使われます。