iPAS AI 應用規劃師中級 115 年第一次 科三 第 33 題 詳解

115 年第一次 科三 機器學習技術與應用

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？

1. ALasso迴歸（L1正則化）：透過絕對值懲罰使部分係數歸零，具有特徵選擇效果

   L1 會把部分係數壓成 0，與保留全部特徵的要求相反。

2. BRidge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（正確答案）

   L2 平方懲罰只縮小係數不歸零，共線性下估計最穩定。

3. CElastic Net（L1+L2）：結合稀疏性與穩定性，但部分係數仍可能被壓為0

   含 L1 成分，仍可能產生零係數，不符全保留。

4. 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

   完全沒有懲罰項，無法抑制過擬合。