問題 No.908
線形回帰などのモデルにおいて、損失関数に対してパラメータの絶対値の和をペナルティとして加えることで、予測に貢献しない不要な特徴量の重みを完全にゼロにし、実質的な変数選択を行う手法を【 】と呼ぶ。
【正解の解説】
L1正則化
L1正則化とは、パラメータの絶対値の和を損失関数に加えることで、不要な特徴量の重みを強制的にゼロにし、重要な特徴量だけを選別する手法です。
スポンサーリンク
【その他の選択肢の解説】
早期終了
早期終了とは、学習が進みすぎて過学習が起きる前に、あらかじめ検証データを用いて精度の低下を検知し、学習を途中で切り上げる手法です。
ドロップアウト
ドロップアウトとは、学習の過程でランダムにニューロンの一部を一時的に休止させることで、特定のデータへの依存を防ぎ、汎用性を高める手法です。
L2正則化
L2正則化とは、モデルのパラメータが過度に大きくならないよう、パラメータの二乗和を損失関数に加えることで、複雑なモデルになることを防ぐ手法です。