問題 No.723
特徴量の数が非常に多い線形回帰モデルにおいて、モデルの予測精度を維持しつつ、予測に寄与しない変数の重みを完全にゼロにして特徴量選択を行いたい。この目的を達成するための適切な正則化手法はどれか。
【正解の解説】
L1正則化
重要でない特徴量の重みを強制的にゼロにすることで、不要な情報を切り捨て、予測に寄与する変数だけを選択する手法です。
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、重みの大きさを全体的に小さく抑える手法ですが、ゼロにはしません。
ドロップアウト
ニューラルネットワークを学習させるための手法であり、線形回帰の特徴量選択とは直接関係ありません。
データ拡張
データ拡張のことです。データを水増しして過学習を防ぐ手法です。