AI資格 模擬試験

G検定 模擬問題 第1回 問22・機械学習の概要（モデルの選択・評価）

L1正則化の性質

1. A

   一部のパラメータがちょうど0になりやすく、不要な特徴量を取り除く効果がある。

2. B

   パラメータ全体を小さく抑え、なめらかなモデルにするが、ちょうど0にはなりにくい。

3. C

   学習時にニューロンをランダムに無効にし、多数のモデルを組み合わせたような効果を得る。

4. D

   検証データの誤差が増え始めたところで学習を打ち切る。

正解と解説を見る

正解：A

L1正則化は一部のパラメータを0にしやすく、L2正則化はパラメータ全体を小さくする。

L1正則化（ひし形）は一部の係数がちょうど0になりやすく、L2正則化（円）は係数を小さくする。

• A

  正しい。L1正則化はパラメータの絶対値の和をペナルティにするため、解がスパース（0が多い）になりやすい。

• B

  誤り。これはパラメータの二乗和をペナルティにする L2 正則化（リッジ回帰）の特徴。

• C

  誤り。これはドロップアウトの説明。

• D

  誤り。これは早期終了（early stopping）の説明。

学習のポイント：L1・L2・両方を組み合わせた Elastic Net の違いを、ペナルティの形とあわせて覚える。

問題一覧へ

このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。