2D 多項式フィッティングキャンバス (ドラッグ / クリックでデータ編集)
真の生成関数
学習データ
モデル推測曲線
多項式次数 (Degree N)
9
正則化強度 (λ / Lambda)
0.050
正則化タイプ
L2 (Ridge)
L1 (Lasso)
データ点数 (Sample Size)
20
観測ノイズ (Noise)
0.15
損失・重み解析テレメトリ
訓練誤差 (Train Loss)
0.012
検証誤差 (Test Loss)
0.045
汎化ギャップ (Gap)
0.033
次数別 U字曲線 (Train vs Test Loss)
多項式係数スペクトラム (|w_i|)
学術的補足: 高次元モデル（過剰適合）は帰納的に標本データ点を完璧に「補間」しようとして係数が巨大化・振動します。L2正則化(Ridge)は重みノルムを縮小して平滑化し、L1(Lasso)は不必要な高次係数をスパース（完全なゼロ）に圧縮します。
ステータス: 初期化完了 [Degree: 9 | Lambda: 0.050]