YZ Merkezi
Yapay zekâ sözlüğü
Orta seviye
Regülarizasyon (Regularization)
Regularization (L1/L2)
31.08.2026 tarihinde güncellendi
Regülarizasyon, makine öğrenmesi modellerinde parametrelerin aşırı büyümesini cezalandırarak modelin karmaşıklığını kısıtlayan ve aşırı öğrenmeyi (overfitting) önleyen matematiksel yöntemlerin genel adıdır.
Genel bakış
Kavramın çerçevesiModelin eğitim verisine aşırı uyum sağlayıp gürültüyü ezberlemesini engellemek için kayıp fonksiyonuna bir 'ceza terimi' (penalty) eklenir.
Çalışma mantığı: İki temel biçimi vardır: 1) L1 Regülarizasyonu (Lasso): Ağırlıkların mutlak değerlerinin toplamını cezalandırır; önemsiz ağırlıkları tamamen sıfır yaparak öznitelik seçimi sağlar. 2) L2 Regülarizasyonu (Ridge / Weight Decay): Ağırlıkların karelerinin toplamını cezalandırır; ağırlıkları sıfıra yaklaştırarak modelin daha yumuşak kararlar vermesini sağlar. Her ikisinin birleşimi ise ElasticNet'tir.
Kullanım alanları: Doğrusal/Regression)">lojistik regresyon, derin sinir ağları ve destek vektör makineleri.
Sınırlılıklar ve dikkat edilmesi gerekenler: Ceza katsayısı (lambda/alfa) çok yüksek tutulursa model aşırı basitleşir ve yetersiz öğrenme (underfitting) ortaya çıkar.
Çalışma mantığı: İki temel biçimi vardır: 1) L1 Regülarizasyonu (Lasso): Ağırlıkların mutlak değerlerinin toplamını cezalandırır; önemsiz ağırlıkları tamamen sıfır yaparak öznitelik seçimi sağlar. 2) L2 Regülarizasyonu (Ridge / Weight Decay): Ağırlıkların karelerinin toplamını cezalandırır; ağırlıkları sıfıra yaklaştırarak modelin daha yumuşak kararlar vermesini sağlar. Her ikisinin birleşimi ise ElasticNet'tir.
Kullanım alanları: Doğrusal/Regression)">lojistik regresyon, derin sinir ağları ve destek vektör makineleri.
Sınırlılıklar ve dikkat edilmesi gerekenler: Ceza katsayısı (lambda/alfa) çok yüksek tutulursa model aşırı basitleşir ve yetersiz öğrenme (underfitting) ortaya çıkar.
Teknik tanım ve açıklama
Temel mekanizmaKayıp fonksiyonuna parametre büyüklüklerinin normunu (L1 normu ||w||_1 veya L2 normu ||w||_2^2) ekleyerek model varyansını düşüren kısıtlama tekniğidir.
Gerçek hayatta kullanım
Örnek senaryoBir ev fiyatı tahmin modelinde evin balkon rengi gibi önemsiz bir özniteliğin katsayısını L1 regülarizasyonu kullanarak sıfıra indirmek ve sadece önemli değişkenlere odaklanmak.