- AI BEST SEARCH
- AI関連用語集・キーワード一覧【AI BEST SEARCH】
- 正則化(Regularization)
正則化(Regularization)
正則化(Regularization)とは、機械学習や深層学習において、モデルの過学習(オーバーフィッティング)を防ぐために、学習時の損失関数にペナルティ項を加えたり、モデルの複雑さを抑制する手法の総称です。 過学習とは、訓練データに過剰に適合してしまい、未知のデータに対して性能が低下する現象であり、正則化はその対策として重要です。 主な正則化手法には以下があります: • L1正則化(Lasso) 重みの絶対値の和にペナルティを課し、不要な特徴量の重みを0に近づけてモデルのスパース化を促進 • L2正則化(Ridge) 重みの二乗和にペナルティを課し、大きな重みを抑制してモデルの安定性を高める • ドロップアウト(Dropout) 学習時にランダムに一定割合のニューロンを無効化し、ネットワークの依存関係を分散させて汎化性能を向上 • 早期終了(Early Stopping) 検証データの損失が悪化し始めたタイミングで学習を停止し、過学習の進行を防ぐ • データ拡張(Data Augmentation) 学習データを人工的に増やし、多様な入力に対応できるようにすることで間接的に正則化効果を発揮 正則化は、モデルの汎化能力を高め、実用に耐えるAIシステムを構築するための不可欠な技術です。 適切な正則化の設計と組み合わせにより、過学習を抑えつつ高精度なモデルを実現できます。