Какие знаешь способы регуляризации

Регуляризация помогает бороться с переобучением, добавляя штраф за сложность модели. Основные методы:

1. L1 (Lasso) - добавляет штраф за абсолютные значения весов, обнуляя неважные признаки.

from sklearn.linear_model import Lasso
model = Lasso(alpha=0.1)

2. L2 (Ridge) - штрафует квадраты весов, уменьшая их, но не обнуляя.

from sklearn.linear_model import Ridge
model = Ridge(alpha=0.1)

3. ElasticNet - комбинация L1 и L2.

4. Dropout (для нейросетей) - случайное "выключение" нейронов во время обучения.

5. Ранняя остановка - прекращение обучения до переобучения.

6. Data augmentation - искусственное расширение данных.

L1 полезен для отбора признаков, L2 - когда все признаки важны. Выбор зависит от задачи и данных.