次のうち、過学習を防ぐためのテクニックはどれですか？

正則化は、モデルが訓練データに過度に適応してしまう過学習を防ぐためのテクニックです。L1正則化やL2正則化が有名で、モデルの複雑さを制約するために損失関数にペナルティを加えています。これにより、モデルはより一般化された解を見つけやすくなります。特に、ラッソ（L1正則化）やリッジ（L2正則化）といった手法は、モデルの説明変数を自動で選択し、特定の特徴が学習に多大な影響を与えることを防ぎます。