L1正則化（ラッソ回帰）の特徴

問題

L1正則化の特徴について、正しいものを1つ選べ。

L1正則化（ラッソ回帰で使われるペナルティ）は、モデルの過学習を防ぐための手法の一つです。誤差関数に対して「すべての重みパラメータの『絶対値』の合計」をペナルティとして加えます。

数学的な性質（ひし形の制約領域）により、予測にあまり貢献しない重要度の低い特徴量の重みを「完全にゼロ」にしやすいという強力な特徴があります。

そのため、無駄なデータを取り除いて重要な変数だけを残す「特徴選択（次元削減）」の効果があり、スパース（疎）なモデルを作りたい場合に有効です。

1. L1正則化はパラメータの二乗にペナルティを与える。

誤り：重みパラメータの「二乗」の合計にペナルティを与えるのは「L2正則化」です。L1正則化は「絶対値」を用います。

2. L1正則化はすべてのパラメータを均等に小さくする。

誤り：すべてのパラメータをなだらかに均等に小さくしようとするのは「L2正則化」の性質です。

3. L1正則化は一部のパラメータをゼロにし、スパースなモデルを作りやすい。

正しい：L1正則化の最大の特徴であり、重要でない特徴量の重みが完全にゼロになるため、スパース（疎）で解釈しやすいモデルになります。

4. L1正則化は特徴量をすべて均等に利用したい場合に向いている。

誤り：すべての特徴量を均等に生かしつつ、極端に大きな重みを防ぎたい場合には「L2正則化」が向いています。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ