1．基本を理解
読み方・用語解説- 読み方
- エル・つー（エル・に）せいそくか
- 英語名
- L2 Regularization（Ridge / Weight Decay）
- 提唱者・年代
- 正則化の枠組みとして広く使われる（Ridge: 1960年代）
💡 豆知識——深層学習の“ウェイトデケイ（重みの減衰）”が正体——ネットワークの重みを少しずつ0寄りに引き寄せる。
【セットで覚えたい関連用語】
正
正則化（No.17）過学習を防ぐ技術の総称。L
L1正則化（No.245）絶対値の和をペナルティ——スパース化・特徴選択。D
Dropout（No.91）ニューラルネットワークで使う別系統の正則化。2．意味（定義）と例え話
一言で言うと？
重みの二乗和をペナルティとして加える手法。特定の重みが極端に大きくなるのを防ぐ。
背景・歴史的流れ
リッジ回帰（1960年代）で登場し、深層学習では“ウェイトデケイ”として標準装備になった。
身近な例え話
バネで“中央（0）”へ引っ張る——極端に伸びたバネ（大きい重み）には強い戻し力が働く、というイメージ。
AIとの関係
特定の重みが大きくなりすぎると“その特徴に偏った”過学習になりやすい——L2はそれを全体として滑らかに抑える。
おすすめの活用法・注目ポイント
「二乗和＝円＝全体的に小さく（0にはなりにくい）」で。L1（ひし形・0にする）との対比が定番。
3．直前に理解（Q&A）
7問Q1. L2正則化とは？最頻出
重みの二乗和をペナルティとして加える手法。
Q2. 効果は？最頻出
重みを全体的に小さく縮小——特定の重みが極端に大きくなるのを防ぐ。
Q3. 0にしやすいのは？混同
しにくい（二乗は滑らか）。多くの重みを0にするのはL1。
Q4. L1との違いは？混同
L2＝二乗和（円・滑らか・縮小）、L1＝絶対値の和（ひし角・スパース）。
Q5. 別名は？頻出
リッジ（Ridge）、深層学習ではウェイトデケイ（weight decay）。
Q6. 使う場面は？頻出
全特徴を少し而使いつつ、過学習を滑らかに抑えたいとき。
Q7. 位置づけは？親と子
正則化 ⊃ {L1 / L2} のうちL2。
4. まとめ
L2正則化＝重みの二乗和をペナルティ——重みを全体に“滑らかに縮小”し、外れ値を防止する（Ridge）。