正則化を導入する主な目的は?
- 過学習の抑制
- 学習速度の向上
- 精度の低下
- モデルの複雑化
正解!
不正解...
正解は過学習の抑制です。
問題に戻る
代表的な正則化手法として正しいものは?
- L1正則化
- L2正則化
- ドロップアウト
- すべて正しい
正解!
不正解...
正解はすべて正しいです。
L1正則化・L2正則化・ドロップアウトはいずれも過学習を防ぐための正則化手法です。
問題に戻る
重みの一部を0にして特徴選択ができる正則化手法は?
- L1正則化
- L2正則化
- ラッソ回帰
- リッジ回帰
正解!
不正解...
正解はL1正則化です。
L1正則化は不要な重みを0にする効果があり、特徴選択にも使われます。
問題に戻る
L1正則化を利用して特徴選択ができる回帰モデルは?
- ラッソ回帰
- リッジ回帰
- 線形回帰
- 主成分分析
正解!
不正解...
正解はラッソ回帰です。
ラッソ回帰はL1正則化を用いた回帰モデルで、特徴の選択が可能です。
問題に戻る
L2正則化を用いて重みの大きさを抑制する回帰モデルは?
- リッジ回帰
- ラッソ回帰
- 線形回帰
- SVM
正解!
不正解...
正解はリッジ回帰です。
リッジ回帰はL2正則化を用いた回帰手法で、重みの大きさを抑制します。
問題に戻る
すべての重みに滑らかな抑制を加える正則化手法は?
- L2正則化
- L1正則化
- ドロップアウト
- L0正則化
正解!
不正解...
正解はL2正則化です。
L2正則化は全ての重みに対して滑らかな抑制を行い、汎化性能を高めます。
問題に戻る
モデルに使用される重みの数自体を最小限に抑える正則化手法は?
- L0正則化
- L1正則化
- L2正則化
- ドロップアウト
正解!
不正解...
正解はL0正則化です。
L0正則化は、重みの数を最小限に抑える方法ですが、最適化が困難な点が課題です。
問題に戻る
学習中に一部のノードをランダムに無効化して過学習を防ぐ手法は?
- ドロップアウト
- ラッソ回帰
- リッジ回帰
- 線形回帰
正解!
不正解...
正解はドロップアウトです。
ドロップアウトは、学習時に一部のノードを無効化することで過学習を防ぐ手法です。
問題に戻る
正則化手法の選び方として最も適切な考え方は?
- L1正則化
- L2正則化
- L0正則化
- タスクに応じて選ぶ
正解!
不正解...
正解はタスクに応じて選ぶです。
正則化手法は、目的やモデルの特性に応じて適切に選択する必要があります。
問題に戻る
正則化回帰モデルに関する説明として正しいものは?
- ラッソ回帰
- リッジ回帰
- L1正則化
- すべて正しい
正解!
不正解...
正解はすべて正しいです。
ラッソ回帰はL1正則化、リッジ回帰はL2正則化を用いた回帰モデルです。
問題に戻る
正則化は、過学習を抑えてモデルの汎化性能を高めるために導入されます。