33. 某工程師的多元線性迴歸模型包含 150 個特徵，其中許多特徵高度相關(如「建 坪」與「總面積」)。他同時希望控制過擬合且保留所有特徵的解釋能力，不讓任 何特徵係數歸零，下列哪一項正則化方案最適當？
(A)Lasso 迴歸(L1 正則化)：透過絕對值懲罰使部分係數歸零，具有特徵選擇效 115 年第一次 AI 應用規劃師-中級能力鑑定【公告試題】 第三科：機器學習技術與應用 考試日期：115 年 05 月 23 日 第 9 頁，共 18 頁 答案 題目 果；
(B)Ridge 迴歸(L2 正則化)：透過平方懲罰縮小所有係數，在共線性下穩定估計 且不歸零；
(C)Elastic Net(L1+L2)：結合稀疏性與穩定性，但部分係數仍可能被壓為 0；
(D)無正則化的 OLS 迴歸：不控制過擬合，在共線性下係數估計不穩定

答案：登入後查看
統計： 尚無統計資料