愛寫字的工程師關於資料正則化（Regularization）L1、L2 方法，下列敘述何者正確？
答案 （C）
核心概念
正則化是在損失函數後面加一個懲罰項，逼模型不要把權重養得太大，用這個方式壓住過度擬合。
拿寫報告比喻。老師規定總頁數有上限，你就得取捨。L1 的做法是把不重要的段落整段刪掉，目錄上直接消失；L2 的做法是每一段都寫短一點，段落全都還在，只是都縮水了。
・L1 正則化（又叫 Lasso）：加的是「權重絕對值的總和」，會把不重要的特徵權重直接壓成 0，產生稀疏解，等於順便做了特徵選擇
・L2 正則化（又叫 Ridge）：加的是「權重平方的總和」，會把權重壓小，但通常不會剛好壓到 0
答題技巧
快速判斷技巧：記住兩組對應就好。 ・L1 是 Lasso，用絕對值，會歸零，產生稀疏解，可以順便做特徵選擇 ・L2 是 Ridge，用平方，只把權重變小，不會歸零 這類題幾乎都在這兩組字之間互換位置騙人，背熟就能秒殺。
易錯陷阱：(D) 是最經典的「主詞對調」，把 L1 的特性掛到 L2 頭上。(B) 則是名稱互換。 作答時先在題目旁邊寫下 L1 和 L2 各自的關鍵字，再逐一比對，不要憑印象直覺選。