L1 Regularization

L1 Regularization (Lasso Penalty)

Türkçe: L1 Regülarizasyonu

Ayrıntılı Tanım

Aşırı öğrenmeyi engellemek için kayıp fonksiyonuna model ağırlıklarının mutlak değerlerinin toplamını ceza terimi olarak ekleyen tekniktir.

Ne İşe Yarar / Çözülen Problem

Önemsiz değişkenlerin katsayılarını tam olarak sıfır yaparak otomatik nitelik seçimi (feature selection) sağlar ve seyrek (sparse) model üretir.

Nasıl Çalışır? (Teknik & Mekanizma)

Loss_{L1} = Loss_0 + \lambda \sum |w_i|

Geometrik olarak köşeli elmas kısıt bölgesi parametreleri tam sıfır ekseninde kesişmeye zorlar.

Örnek Senaryo & Pratik Uygulama

1000 farklı genetik veriden hastalığa sebep olan en kritik 5 geni bulmak için diğer 995 genin katsayısını sıfırlamak.

Benzer Terimlerden Farkı

L2 ağırlıkları küçültür ama asla sıfır yapmaz; L1 ise doğrudan sıfırlar.

İlişkili Terimler (3)

Ait Olduğu Kategori

Sembolik AI, GOFAI, karar ağaçları, regresyon ve temel istatistiksel modeller.

Toplam Terim:68 Madde