正則化
意味・解説
機械学習において、モデルが学習データに過剰に適合（過学習）するのを防ぐために、あえて複雑さに制限（ペナルティ）を加える手法。
モデルが複雑になりすぎると、学習データだけは完璧に予測できるが未知のデータには弱くなる（汎化能力の低下）。これを防ぐため、数式の中に「重みが大きくなりすぎないように」という抑制項を追加する。代表的な手法にL1正則化、L2正則化がある。
くわしく
「AIが答えを『丸暗記』するのを邪魔して、本質的なルールを学ばせるためのブレーキ」です。
1.目的:
モデルをシンプルに保ち、汎化能力を高めること。
2.仕組み:
複雑な判断基準（重み）を持つほど大きなペナルティを課すことで、AIがより柔軟で一般的な判断基準を選ぶように促します。
例文
予測モデルが学習データに特化しすぎていたため、正則化を導入することで未知のデータに対する精度を向上させた。
同義語: 正規化（※統計学では別意だが文脈により混同注意）
分類: 機械学習の最適化
この用語は生成AIパスポート試験にも出ます
生成AIパスポート試験（生成AI活用普及協会）の公式シラバス第4版では、第1章 AI（人工知能） の 1-2 に「正則化」として掲載されています。ITパスポートと重なるのは全191語中42語で、その1つがこの用語です。