在監督式學習的特徵選取中，Lasso 迴歸（L1 正則化）能自動進行特徵選取的原因為何？
iPAS 考題解析
在監督式學習的特徵選取中，Lasso 迴歸（L1 正則化）能自動進行特徵選取的原因為何？
- A. Lasso 計算每個特徵的皮爾森相關係數並刪除低相關特徵
- B. Lasso 透過決策樹確認特徵重要性後刪除低重要性特徵
- C. Lasso 使用遞歸特徵消除（RFE）方法逐步移除特徵
- D. Lasso 的 L1 懲罰項在最優化過程中傾向將部分係數精確壓縮至零 ✓ 正確答案
詳細解析
L1 正則化（Lasso）的懲罰項為係數絕對值之和，其等值曲線（Constraint Region）在坐標軸上有尖角，最優解傾向恰好落在坐標軸上（即部分係數為零），自動執行特徵選取。這與 L2（Ridge）的球形約束不同，L2 使係數趨近但不等於零。
出題年份：114 難度：★★☆