L2säännöllistämisellä
L2-säännöllistämisellä tarkoitetaan koneoppimisessa käytettävää tekniikkaa, joka pyrkii estämään mallin ylisopeutumista eli overfittingiä. Se on yksi yleisimmistä säännöllistämismenetelmistä, ja se perustuu mallin painokertoimien suuruuden rajoittamiseen. L2-säännöllistämisessä lisätään mallin kustannusfunktioon termi, joka on verrannollinen painokertoimien neliöiden summaan. Tämä termi tunnetaan myös L2-normina tai Ridge-regressio termi.
Kun kustannusfunktiota minimoidaan harjoitusdatalla, malli pyrkii samanaikaisesti minimoimaan ennustusvirheen ja pitämään painokertoimet pieninä. Pienemmät painokertoimet tekevät
Säännöllistämisparametrin, jota usein merkitään lambdalla (λ), arvo määrittää, kuinka voimakkaasti säännöllistämistermi vaikuttaa kustannusfunktioon. Suurempi λ-arvo johtaa pienempiin