꿈라CBT회귀 모형의 규제(regularization)에 대한 설명으로 가장 적절하지 않은 것은?
- 1라쏘(L1)는 계수의 절댓값 합에 벌점을 부여하며, 일부 계수를 정확히 0으로 만들어 변수 선택 효과를 낸다.
- 2릿지(L2)는 계수의 제곱합에 벌점을 부여하여 계수의 크기를 전반적으로 줄이며, 설명변수 간 상관이 높을 때 추정을 안정시킨다.
- 3규제 강도를 약하게 할수록 모형이 단순해지므로 과대적합의 위험이 줄어든다.
- 4엘라스틱넷은 L1과 L2 벌점을 함께 사용하여 변수 선택 효과와 상관 변수 처리 능력을 동시에 얻는다.