試題詳解

2. 在建立迴歸或分類模型時，若希望避免模型過度擬合(Overfitting)，可透過加入正則化項以限制模型的複雜度。其中，L1 正則化(Lasso)的主要效果為何？
(A)增加模型參數的數量，以提升表現靈活度；
(B)強化梯度穩定性，避免參數更新過度震盪；
(C)產生稀疏模型(Sparse Model)，使部分參數權重收斂為零；
(D)提高學習率(Learning Rate)，加速模型收斂速度