機械学習のモデルを構築する際、避けては通れない課題の一つに「過学習（オーバーフィッティング）」があります。
過学習とは、モデルが訓練データに対して過剰に適合してしまい、未知のデータに対する予測精度が低下する現象を指します。
この過学習を防ぎ、モデルの汎用性を高めるために用いられる技術が「正則化」です。
正則化には主に「L1正則化」と「L2正則化」の2種類が存在し、それぞれ異なる特性を持っています。
本記事では、これら二つの手法の決定的な違いと、不要な特徴量を削ぎ落とすためにどちらを選ぶべきかを詳しく解説します。
機械学習における正則化の役割
正則化とは、モデルの複雑さにペナルティを科すことで、学習の行き過ぎを抑制する手法のことです。
データセットに多くの特徴量が含まれている場合、モデルはそれら全ての情報を無理に学習しようとして、ノイズまでも捉えてしまうことがあります。
このような状態を回避するために、損失関数に対して特定の「項」を追加し、重み（パラメータ）の値が大きくなりすぎないように制御します。
過学習（オーバーフィッティング）のメカニズム
過学習が発生すると、モデルは訓練データの細かな誤差まで「正解」として記憶してしまいます。
これにより、訓練データでは100%に近い精度が出せるものの、実際の運用では全く役に立たないモデルになってしまうのです。
特に、データ数に対して特徴量の数が非常に多い「高次元データ」を扱う際に、過学習のリスクは顕著になります。
2026年現在のAI開発においても、モデルの巨大化に伴い、この制御技術はより一層重要視されています。
正則化によるパラメータの抑制
正則化の基本的な考え方は、「モデルの重みが大きくなるほど、ペナルティ（損失）を大きくする」というものです。
重みが大きいということは、その特徴量に対してモデルが強い依存関係を持っていることを意味します。
この依存をあえて弱めることで、特定のデータに偏らない「柔軟なモデル」を構築することが可能になります。
正則化は、誤差を最小化するプロセスに「重みの大きさ」という制約を加える作業であると言い換えられます。
L1正則化（Lasso回帰）の特徴と仕組み
不要な特徴量を削ぎ落とす（ゼロにする）のは、この「L1正則化」です。
L1正則化は、統計学や機械学習の世界では「Lasso（ラッソ）回帰」とも呼ばれます。
この手法の最大の特徴は、一部のパラメータの重みを完全に「0」にする性質があることです。
特徴量選択としての機能
L1正則化を用いると、重要度の低い特徴量の係数が次々とゼロに置き換わっていきます。
これは、モデル自身が「どのデータが予測に必要で、どのデータが不要か」を自動的に選択している状態を意味します。
この性質を「スパース性（疎であること）」と呼び、データの解釈性を高める上で非常に役立ちます。
例えば、1000個の変数がある中で、実際に予測に寄与している10個だけを抽出したい場合には、L1正則化が最適です。
L1正則化の数学的イメージ
L1正則化のペナルティ項は、重みの絶対値の和で計算されます。
数学的には「L1ノルム」と呼ばれ、幾何学的にはひし形（ダイヤモンド型）の領域として描かれます。
最適化の過程において、このひし形の「角」の部分で解が定まりやすいため、一部の軸上の値がゼロになりやすいのです。
数式では λ∑|wi| と表現され、この λ（ラムダ）の値を調整することで正則化の強さをコントロールします。
L2正則化（Ridge回帰）の特徴と仕組み
一方で、L2正則化は「Ridge（リッジ）回帰」と呼ばれ、より一般的な過学習抑制手法として知られています。
L2正則化は、全ての重みを一様に小さく抑えることで、特定の変数に依存しすぎるのを防ぎます。
重みを滑らかに小さくする性質
L1正則化とは異なり、L2正則化では重みが完全にゼロになることはほとんどありません。
あくまで重みの絶対値を小さくし、予測に対する各特徴量の影響力を「弱める」ことに徹します。
これにより、全ての情報を少しずつ活用しながら、全体として安定した予測を行うモデルが出来上がります。
特に、特徴量同士が強く相関している「多重共線性」の問題が発生している場合に、L2正則化は非常に有効です。
L2正則化の数学的イメージ
L2正則化のペナルティ項は、重みの2乗の和で計算されます。
これは「L2ノルム」と呼ばれ、幾何学的には円形の領域として描かれます。
円形であるため、解が軸上に乗り（ゼロになり）にくく、各パラメータに小さな値が割り振られる結果となります。
数式では λ∑wi^2 と表現され、L1正則化よりも重みの極端な増加に対して強力な制約をかけます。
L1正則化とL2正則化の違いを徹底比較
ここでは、両手法の主な違いを表にまとめて確認してみましょう。
| 比較項目 | L1正則化 (Lasso) | L2正則化 (Ridge) |
|---|---|---|
| ペナルティの計算 | 重みの絶対値の和 | 重みの2乗の和 |
| 重みの変化 | 一部を完全に0にする | 全体を小さく抑える |
| 特徴量選択 | 自動的に行われる | 行われない |
| 外れ値への耐性 | 比較的強い | 比較的弱い |
| 主な用途 | 重要な変数の特定 | 予測の安定化・汎化 |
特徴量選択の有無による違い
L1正則化は、不要な情報を切り捨てることでモデルを軽量化し、人間にとって理解しやすい結果を提供します。
一方でL2正則化は、全ての情報を捨てることなく活用し、精度を極限まで高めることに向いています。
この「削ぎ落とすL1」と「抑え込むL2」という対比は、正則化を理解する上で最も重要なポイントです。
計算コストと収束性の違い
数学的な特性上、L2正則化は微分可能であるため、勾配降下法などの最適化アルゴリズムでの計算が安定しています。
一方、L1正則化は絶対値を含むため、ゼロ地点で微分不能となり、計算には工夫（座標降下法など）が必要です。
しかし、現代の機械学習ライブラリであれば、この違いを意識せずに効率的な計算が可能です。
どちらの手法を選ぶべきか？判断の指針
実務においてL1とL2のどちらを優先すべきかは、扱うデータの性質に依存します。
以下のガイドラインを参考に、適切な手法を選択してください。
L1正則化を選ぶべきケース
- 特徴量の数が数千、数万とあり、その多くが予測に無関係だと思われる場合
- どの変数が予測に寄与しているかを特定し、ビジネス上の意思決定に役立てたい場合
- モデルを軽量化し、実行速度やメモリ使用量を節約したい場合
「変数の絞り込み」が目的であれば、L1正則化一択となります。
L2正則化を選ぶべきケース
- 全ての特徴量に何らかの意味があり、安易に捨てたくない場合
- 特徴量同士の相関が高く（マルチコ）、安定した推定を行いたい場合
- 予測精度を最優先し、細かな重みの調整を行いたい場合
「モデルの安定性と精度」を求めるなら、まずはL2正則化を試すのが定石です。
ハイブリッド手法「Elastic Net」の活用
L1正則化とL2正則化のどちらか一端に決めるのが難しい場合、両者を組み合わせた「Elastic Net」という手法もあります。
Elastic Netは、L1の「特徴量選択」とL2の「グループ効果の維持」を同時に実現しようとする手法です。
2026年現在の高度なデータ分析現場では、このElastic Netを用いて最適なバランスを探索することも一般的です。
最新のAI開発における正則化のトレンド
近年のディープラーニングの世界においても、正則化の概念は形を変えて生き続けています。
ニューラルネットワークの学習で頻繁に使われる「Weight Decay（重み減衰）」は、実質的にL2正則化と同じ役割を果たしています。
また、不要なニューロンをランダムに無効化する「Dropout」も、広い意味での正則化技術の一種です。
LLM（大規模言語モデル）の微調整（ファインチューニング）においても、過学習を制御するためにこれらの手法が組み合わされています。
基礎的なL1・L2の理解は、こうした最新技術の仕組みを深く理解するための土台となります。
まとめ
本記事では、L1正則化とL2正則化の違いについて解説しました。
「不要な特徴量を削ぎ落とす」のはL1正則化であり、これはモデルの解釈性を高めるために非常に強力なツールとなります。
一方、「重みを全体的に小さくし、予測を安定させる」のがL2正則化の役割です。
それぞれの特性を正しく理解し、データの規模や目的に合わせて使い分けることが、精度の高いAIモデルを構築する鍵となります。
まずはL2正則化で全体の精度を確保し、変数の整理が必要になった段階でL1正則化を検討するというステップが、実務上ではスムーズでしょう。
正則化パラメータ λ の調整を含め、最適なバランスを見つけることで、未知のデータにも強い頑健なモデルを目指してください。