請查看下列選項。

假設有 100 個輸入特徵的線性模型：
  • 10 具有豐富資訊。
  • 90 網頁不具資訊性。
    • 假設所有特徵的值介於 -1 和 1 之間。以下敘述何者正確？
    L1 正規化便會鼓勵許多非資訊性權重接近 0.0。
    一般而言，如果 L1 正規化了足夠的 lambda 的情況，往往會鼓勵非資訊性特徵的權重剛好為 0.0。有別於 L2 正規化，L1 正規化「推送」即使與 0.0 的權重差不多，甚至只有 0.0。
    L1 正規化會鼓勵大部分的非資訊性權重為 0.0。
    L1 正規化數量充足的 lambda 通常會鼓勵非資訊性權重至 0.0。如此一來，這些非資訊的功能就會離開模型。
    L1 正規化可能會導致資訊功能權重剛好 0.0。
    注意：L1 正規化可能會導致以下特徵的權重剛好為 0：
  • 資訊豐富的功能。
  • 針對不同規模提供強大的資訊功能。
  • 資訊性功能與其他資訊類似的功能具有高度關聯性。
    •