iPAS 考題解析在房價預測任務中，若發現特徵如「房間數」與「坪數」存在高度多重共線性（Multicollinearity），為降低共線性對模型參數估計的負面影響，應優先選擇下列哪種模型？

解析

正確答案：D. 含L1正則化的LASSO迴歸模型

LASSO迴歸的L1正則化懲罰項可以壓縮甚至消除冗餘特徵的係數，在存在多重共線性時自動進行特徵選擇，使高度相關的特徵中只有最重要的保留非零係數，有效降低共線性影響。

每個選項為什麼對或錯

• A 不受多重共線性影響的決策樹模型 錯誤選項

  決策樹確實不受多重共線性影響，但題目要求的是「降低共線性對模型參數估計的影響」，LASSO更直接。

• B 傳統線性迴歸模型，不含正則化項 錯誤選項

  傳統線性迴歸在多重共線性下係數估計最不穩定，是最差選擇。

• C 支持向量機搭配線性核函數 錯誤選項

  線性SVM本質上類似線性迴歸，對多重共線性同樣敏感。

• D 含L1正則化的LASSO迴歸模型 正解

  LASSO的L1正則化能進行特徵選擇，直接應對多重共線性問題，是最適合的選擇。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。