問題 No.499
L1正則化（Lasso）とL2正則化（Ridge）の両方のペナルティを組み合わせることで、特徴選択とモデルの安定性の両立を図る回帰手法はどれか。
【正解の解説】
Elastic Net
Elastic Netは、余計な特徴量を捨てるL1正則化と、極端な値を抑えるL2正則化の長所を合わせることで、安定して精度の高い予測をする手法です。
スポンサーリンク
【その他の選択肢の解説】
主成分回帰
主成分分析は、バラバラなデータをより少ない指標にまとめて、情報を整理しやすくする手法です。
決定木回帰
決定木回帰は、条件分岐を繰り返すことで数値を予測する決定木の仕組みを回帰問題に当てはめたものです。
SVM回帰
SVM回帰は、データを境界線で分けるSVMの手法を、数値の予測に応用したものです。