2nd/10_Wiki/Topics/AI_and_ML/Regularization-Strategies.md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	tags	raw_sources	last_reinforced	github_commit	inferred_by
wiki-2026-0508-regularization-strategies	Regularization Strategies	10_Wiki/Topics	needs_review	self	AI-OPT-REG-001	none	A	1.0	ai Deep-Learning Regularization Overfitting l1-lasso l2-ridge dropout early-stopping		2026-04-26	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)

Regularization Strategies (규제 전략)

📌 한 줄 통찰 (The Karpathy Summary)

"모델의 지능이 특정 데이터에만 매몰되지 않도록 가중치에 '벌금'을 매기거나 구조적 '결핍'을 부여하여, 어떤 상황에서도 유연하게 대응하는 일반화 능력을 확보하라" — 학습 오차를 줄이는 것과 모델의 복잡도를 낮추는 것 사이의 균형을 맞추어 과적합(Overfitting)을 방지하는 기술적 수단들.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: "Complexity Penalty and Stochastic Variation" — 손실 함수에 모델 크기에 비례하는 항을 추가하거나(L1/L2), 학습 시 무작위성을 주입하여(Dropout) 특정 경로에만 의존하지 않게 함으로써 모델의 강건성(Robustness)을 높이는 패턴.
• 주요 전략:
  • L1 (Lasso): 중요하지 않은 가중치를 0으로 만들어 변수 선택 효과 제공.
  • L2 (Ridge): 가중치들을 전반적으로 작게 유지하여 급격한 변화 억제.
  • Dropout: 학습 시 뉴런을 무작위로 생략하여 특정 뉴런에의 의존도 감소.
  • Early Stopping: 검증 오차가 오르기 시작하는 시점에 학습을 중단.
• 의의: AI 모델이 훈련 데이터의 노이즈까지 외워버리는 부작용을 막고, 본질적인 패턴만을 학습하게 유도하는 '최적화의 윤리'와 같은 역할.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 과거 데이터와의 충돌: 규제가 강할수록 정확도가 떨어진다는 우려는 이제 '검증 데이터'에 대한 일반화 성능 향상으로 상쇄되며, 현대 딥러닝에서는 드롭아웃과 배치 정규화(Batch Norm)를 함께 사용하는 것이 사실상의 표준 아키텍처가 됨.
• 정책 변화: Antigravity 프로젝트는 에이전트의 미세 조정 시, 소량의 데이터로도 범용적인 성능을 유지하기 위해 가중치 감쇠(Weight Decay)와 조기 종료 프로토콜을 필수적으로 가동함.

🔗 지식 연결 (Graph)

• Overfitting-and-Underfitting, Optimization-in-AI, Normalization-Strategies, Performance-Metrics-in-AI
• Raw Source: 10_Wiki/Topics/AI/Regularization-Strategies.md

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

• (TODO)

언제 쓰면 안 되는가:

• (TODO)

🧪 검증 상태 (Validation)

• 정보 상태: needs_review
• 출처 신뢰도: A
• 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

• 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
• 처리 방식: UPDATE (자동 정규화)
• 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A