Regularization (L1/L2)
Regularisasi adalah teknik untuk mencegah overfitting dengan menambahkan "hukuman" (penalty) ke fungsi kerugian (loss function) model. Ini memaksa model untuk tetap sederhana dan tidak terlalu bergantung pada fitur tertentu.
Konteks Penggunaan
Lasso (L1) dan Ridge (L2) Regression.
Contoh
Seperti memberi batasan bobot maksimum agar model tidak "berlebihan" menginterpretasi data latih.
Catatan
Menjaga model tetap generalis.
