Now Loading...

Now Loading...

L2 正則化

L2 正則化

L2正則化はモデルが過学習を起こさないように正則させる方法の一つです。

通常正則化では損失関数と正則化項の話を最小化させますが、この手法では特に正則化項がパラメータの2乗で表されています。この学習ではL1正則化と異なり、過学習を防いで精度を高めるために用いられるため、L1正則化よりも精度が高くなる傾向にあります。

クイズ

以下の文章を読み、空欄(ア)に最もよく当てはまる選択肢を1つ選べ。 高い表現力を持つニューラルネットワークは訓練データでの正解率のみ高くなってしまい、汎用性がなくなってしまう過学習を起こしやすいという性質をもっている。現在、過学習のさまざまな対策が提案されている。例えば、パラメータのノルムにペナルティを課す(ア)などがある。
  • 正解を見る
  • 解説を見る
    学習の際に用いる式に項を追加することによってとりうる重みの値の範囲を制限し、過度に重みが訓練データに対してのみ調整されることを防ぐことを正則化と言います。正則化にはL1正則化、L2正則化があります。 (参考: G検定公式テキスト 第2版 第4章 4-2 P146-147) (参考: G検定公式テキスト 第1版 P149)

特別割引クーポンのお知らせ

zero to one G検定 jdla

zero to one G検定 jdla

関連ワード

機械学習の具体的手法