L1正則化とは？

料理の「余分な調味料を減らす」感覚で掴める

想像してみてください。スープを作っていて、塩・こしょう・砂糖・バター・酢……と次々と味付け足しを続けている状態。材料がすべて「味に影響している」ならいいですが、実はほとんど効いていないものもあるはずです。

L1正則化（LASSO）は、そうした「効いていない変数」の重みを強制的にゼロにしてくれる仕組みです。つまり、モデルを単純化しつつ、本当に効いている要素だけ残す力を持つ正則化手法です。

「正則化って難しい」と感じる前に、生活や業務の文脈で触れている場面があるかもしれません。

この「要らなさをゼロにする」力は、実はあなたの直感と似ています。料理で味を見極めるときも、全部同じ量入れるのではなく「この食材は不要」と感じますよね。

L1正則化は、G検定とデータサイエンティスト検定の両方で「過学習対策」として出題されます。

出題アングルは主に2つ：

自分の言葉で説明できるかの確認は、たった1問でOKです。次の質問に答えられるか：

「L1正則化が、過学習を防ぎつつモデルを単純化するしくみだというのは、なぜ？」

この1問に答えるなら、あなたは試験で自信を持って「L1は重みをゼロにする」と言えます。

L1正則化の核は、「要らない変数をゼロにする」という一点です。料理でいうと、余分な調味料を減らして味をクリアにするのと同じ。

📚 さらに理解を深めたい方には、G検定の公式テキストがお薦めです！

リンク

※ここからは検証コンテンツです。
画像内の説明には誤りが含まれる可能性があるため、本文の解説とは分けています。

L1正則化の「不要な要素を0にする」比喩が、ロボットの選択動作で視覚化されています。良い点として光る1つの種が際立っています。改善点としては、消える他の要素の表現が弱いです。