iPAS 考題解析在機器學習中，Lasso（L1 正則化）相比 Ridge（L2 正則化）的主要特性為何？

解析

正確答案：C. Lasso 可使部分特徵權重精確為零，具有特徵選取效果

Lasso（L1 正則化）的懲罰項為權重絕對值之和，其幾何特性使優化過程傾向將部分特徵的係數壓縮至精確為零，具有自動特徵選取的效果，適合高維稀疏資料。Ridge（L2）則使所有權重縮小但不為零。

每個選項為什麼對或錯

• A Lasso 使所有特徵權重縮小但不為零 錯誤選項

  這是 Ridge 的特性，不是 Lasso。

• B Ridge 能產生稀疏模型（部分權重為零） 錯誤選項

  Ridge 不產生稀疏模型，Lasso 才能將權重壓縮至零。

• C Lasso 可使部分特徵權重精確為零，具有特徵選取效果 正解

  Lasso 的 L1 懲罰使部分係數精確為零，此為正確描述。

• D Ridge 比 Lasso 更適合高維稀疏資料 錯誤選項

  Lasso 反而更適合高維稀疏資料，Ridge 適合相關特徵較多的場景。

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。