iPAS 考題解析關於資料正則化（Regularization）L1、L2 方法，下列敘述何者正確？

解析

正確答案：C. L1 運用減少權重的絕對值來控制模型的複雜度；

L1 正則化（Lasso）透過在損失函數中加入權重絕對值的懲罰項，促使部分權重收斂為零，達到特徵選擇的效果。L2 稱為 Ridge 正則化，而非 Lasso。L1 才是 Lasso。

每個選項為什麼對或錯

• A L1 權重個數愈多，愈可以提升模型的正確率； 錯誤選項

  權重個數多不代表正確率高，過多權重反而可能導致過擬合。

• B L2 稱為 Lasso 正則化； 錯誤選項

  L2 稱為 Ridge 正則化，Lasso 是 L1 正則化的別稱。

• C L1 運用減少權重的絕對值來控制模型的複雜度； 正解

  L1 正則化透過懲罰權重的絕對值來控制模型複雜度，這是正確的描述。

• D L2 較 L1 正則化方法會將特徵權重趨近於零 錯誤選項

  L1 較 L2 更容易將特徵權重推向零，L2 傾向使權重接近零但不為零。

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。