正則化とは？
読み方: セイソクカ
30秒まとめ
AIモデルが訓練データに過度に適合するのを防ぎ、未知のデータへの汎化性能を高める技術群。
正則化の意味・定義
正則化（Regularization）は、AIモデルが訓練データに過剰に適合してしまうオーバーフィッティング（過学習）を防止し、未知のデータに対する予測精度（汎化性能）を維持するための技術群です。「程よく学習を制限する」ことで、モデルがデータ内のノイズやパターンを暗記するのではなく、本質的なパターンを学ぶよう誘導します。 代表的な手法として、（1）L1正則化（Lasso）：不要なパラメータをゼロにして自動的に特徴量選択を行う、（2）L2正則化（Ridge）：パラメータが大きくなりすぎるのを抑制する、（3）ドロップアウト（Dropout）：学習時にランダムにニューロンを無効化して依存関係を減らす、（4）データ拡張（Data Augmentation）：画像の回転や反転など、訓練データを増やして多様性を確保する、（5）早期停止（Early Stopping）：検証データの性能が低下し始めたら学習を止める、などがあります。適切な正則化は実用的なAIモデル構築において不可欠な技術です。