問題 No.972
回帰モデルにおいて、損失関数に重みの二乗和（L2ノルム）をペナルティとして加えることで、重みが大きくなることを防ぎ過学習を抑制する手法を【 】と呼ぶ。
【正解の解説】
リッジ回帰
リッジ回帰(Ridge Regression)は、損失関数に重みの二乗和を加えることで、特定の重みが大きくなりすぎないように抑え込み、モデルが訓練データに適合しすぎる過学習を防ぐ手法です。
スポンサーリンク
【その他の選択肢の解説】
ラッソ回帰
ラッソ回帰(Lasso Regression)は、二乗和ではなく「絶対値の和（L1ノルム）」を加えることで、重要ではない重みをゼロにする性質があります。
ロジスティック回帰
ロジスティック回帰(Logistic Regression)は、主に分類問題で使われる手法であり、重みのペナルティを主目的とした手法ではありません。
決定木
決定木(Decision Tree)はデータを分類するための木構造モデルであり、損失関数に重みのペナルティを加える手法とは異なります。