↑: [[G検定に関する知識]] - 誤差関数に重みパラメータの**二乗の合計**をペナルティとして加える - すべてのパラメータをゼロに近づけるが**完全にはゼロにならない** - パラメータを均等に小さくし、滑らかで安定したモデルになる - 適用アルゴリズム：リッジ回帰（Ridge）、Weight Decay - [[L1正則化]]と対比で覚える - **全部の重みを控えめに小さくする**（ゼロにはならない）：L2=全部を小さくする - 2乗するので大きな重みほど強く罰する - 計算が扱いやすく、最も広く使われる正則化手法 - 多重共線性（似た情報が複数ある場合）に強い - 線形回帰に適用したものがリッジ回帰 - cf. [[正則化]], [[L1正則化]], [[リッジ回帰]]