L1säännöllöinti
L1-säännöllöinti, tunnetaan myös nimellä Lasso-säännöllöinti, on tekniikka, jota käytetään koneoppimisessa ja tilastollisessa mallinnuksessa parantamaan mallin suorituskykyä ja estämään ylisovittumista. Se on eräänlainen regularisointimenetelmä, joka lisää mallin kustannusfunktioon rangaistustermin, joka perustuu mallin parametrien absoluuttisten arvojen summaan.
Tämä rangaistustermi kannustaa mallia käyttämään pienempiä painoarvoja parametreilleen. Erityisesti L1-säännöllöinti voi johtaa joidenkin mallin parametrien nollaantumiseen.
L1-säännöllöintiä käytetään laajasti lineaarisissa malleissa, kuten lineaarisessa regressiossa ja logistisessa regressiossa, mutta sitä voidaan soveltaa myös