查看以下选项。

假设某个线性模型具有 100 个输入特征：

其中 10 个信息丰富。

其中 90 个内容信息不足。

假设所有特征的值均介于 -1 和 1 之间。下列哪些陈述是正确的？

L1 正则化会使许多信息缺乏的权重接近于（但并不精确）为 0.0。

通常，充分的 lambda 的 L1 正则化往往会促使非信息性特征的权重正好为 0.0。与 L2 正则化不同，无论权重与 0.0 之间的差距如何，L1 正则化都能够“迫使”接近 0.0。

L1 正则化会使大多数信息缺乏的权重正好为 0.0。

充分的 lambda 的 L1 正则化往往会促使非信息性权重正好为 0.0。这样，这些信息缺乏的特征就会离开模型。

L1 正则化可能会导致信息丰富的特征的权重正好为 0.0。

请注意，L1 正则化可能会导致以下类型的特征的权重正好为 0：

信息充实的特征。

不同程度的大量信息丰富的特征。

与其他类似信息丰富的特征密切相关的信息丰富特征。