変数を絞り込む正則化
金融のF社は、約300個の説明変数を使うロジスティック回帰で、融資の延滞を予測している。審査担当者に説明しやすくするため、予測に効く変数だけが残るよう、多くの係数をちょうど0にしたい。この目的に最も適した方法を1つ選べ。
- A
L1正則化(Lasso)を加えて学習する
- B
L2正則化(Ridge)を加えて学習する
- C
学習データの件数を増やして学習し直す
- D
正則化の強さを表す係数を0に近づける
正解と解説を見る
正解:A
L1正則化は係数をちょうど0にしやすく、変数を絞り込める(スパースになる)。L2正則化は係数を全体的に小さくするだけで、0にはなりにくい。
- A
正しい。L1正則化は係数の絶対値の和に罰則をかける。そのため、効きの弱い変数の係数がちょうど0になりやすく、変数の選択も同時に行える。
- B
誤り。L2正則化は係数の二乗和に罰則をかけ、係数全体を0に近づける。ただし、ちょうど0にはなりにくく、変数の数はほとんど減らない。
- C
誤り。データを増やすと過学習は抑えられることがあるが、係数をちょうど0にして変数を絞り込む仕組みはない。
- D
誤り。正則化を弱めると罰則がほぼなくなり、通常の推定に近づく。係数が0になる変数はかえって減る。
このサイトの問題は、各試験の公開されている出題範囲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。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。