14. 正則化

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。

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。

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