問題 No.665
線形回帰モデルにおいて、予測にあまり貢献していない不要な特徴量の重みを完全にゼロに落とし込み、実質的な変数選択を自動的に行いたい場合に用いる正則化手法はどれか。
【正解の解説】
L1正則化
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す。不要な特徴量の重みをゼロにする性質があり、必要な情報だけを抽出する変数選択のような効果があります。
スポンサーリンク
【その他の選択肢の解説】
L2正則化
L2正則化は、重みの二乗和をペナルティとする手法です。過度に特定の重みが大きくなることを防ぎ、モデルを滑らかにすることで過学習を抑える役割を果たします。
ドロップアウト
ドロップアウトは、学習中にランダムに一部のニューロンを無効化する手法です。特定のニューロンへの依存を減らし、モデルの汎化性能を向上させるために使われます。
早期終了
早期終了は、学習が進みすぎて過学習が始まる直前でトレーニングをストップさせる手法です。検証データでの性能低下を監視することで適切なタイミングを見極めます。