L2 Regularization

L2 Regularization (Ridge Penalty)

Türkçe: L2 Regülarizasyonu

Ayrıntılı Tanım

Kayıp fonksiyonuna model ağırlıklarının karelerinin toplamını ceza olarak ekleyen ve ağırlıkların aşırı büyümesini engelleyen regülarizasyon tekniğidir.

Ne İşe Yarar / Çözülen Problem

Çoklu doğrusal bağlantı (multicollinearity) problemini çözer, modelin uç değerlere karşı aşırı hassaslaşmasını engeller.

Nasıl Çalışır? (Teknik & Mekanizma)

Loss_{L2} = Loss_0 + \lambda \sum w_i^2

Geometrik kısıt dairesel/küresel bir sınırdır; katsayıları sıfıra doğru çeker ancak tam sıfır yapmaz, hepsini eşit oranda küçük tutar.

Örnek Senaryo & Pratik Uygulama

Bir orkestrada tek bir enstrümanın aşırı bağırıp diğerlerini bastırmasını engellemek için tüm ses seviyelerini dengeli bir limitte tutmak.

Benzer Terimlerden Farkı

L1 katsayıları sıfırlarken, L2 katsayıları küçülterek tüm değişkenlerin sisteme katkı vermesini sürdürür.

İlişkili Terimler (3)

#27

Ridge Regression

Ridge (Sırt) Regresyonu

#28

Weight Decay

Ağırlık Azaltımı / Sönümlenmesi

#24

L1 Regularization

L1 Regülarizasyonu

Ait Olduğu Kategori

Klasik Makine Öğrenmesi ve İstatistiksel Kuram

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

Toplam Terim:68 Madde

Bu Kategorideki Tüm Terimleri Gör →

Önceki Terim (#25)Lasso

Sonraki Terim (#27)Ridge Regression