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？
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？
- A. 不受多重共線性影響的決策樹模型
- B. 傳統線性迴歸模型，不含正則化項
- C. 支持向量機搭配線性核函數
- D. 含L1正則化的LASSO迴歸模型 ✓ 正確答案
詳細解析
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。
出題年份：114 難度：★★☆