↑: [[G検定に関する知識]] - 誤差関数に重みパラメータの**絶対値の合計**をペナルティとして加える - 一部のパラメータを**完全にゼロ**にする→スパース（疎）なモデルを作る - 特徴選択（次元削減）の効果がある - 適用アルゴリズム：ラッソ回帰（Lasso） - [[L2正則化]]との対比 - L1：絶対値・ゼロになる・スパース化・特徴選択向き - L2：二乗・ゼロに近づくがならない・均等に小さく・安定化向き - 100個の情報のうち本当に効く20個だけを残す効果 - L0の実用版にあたる - 線形回帰に適用したものがラッソ回帰 - cf. [[正則化]], [[L2正則化]], [[ラッソ回帰]]