一个用于预测房价的回归模型在训练集和测试集上都表现不佳（两者误差都高）。数据科学家应该采取哪些措施来提高模型准确性？选择三项。

模型在训练集和测试集上都表现不佳（高偏差）表明模型欠拟合。欠拟合意味着模型未能捕捉数据中的基本模式。 1. 降低模型的正则化强度： 正则化旨在防止过拟合，但过强的正则化会限制模型学习复杂模式的能力，导致欠拟合。降低正则化强度可以帮助模型更好地拟合数据。 2. 增加用于拟合的训练样本数量： 更多的训练数据可以帮助模型学习更稳健的模式，尤其是在数据量不足导致模型无法充分学习时。 3. 增加输入特征的数量（添加更多相关特征）： 欠拟合通常是因为模型没有足够的信息来做出准确预测。添加更多与目标变量相关的特征可以为模型提供更多学习的上下文。 其他选项不正确： 增加模型的正则化强度 会加剧欠拟合。 增加用于评估的测试样本数量 不会改善模型性能，只会提供更可靠的评估结果。 减少模型使用的输入特征数量 会进一步剥夺模型学习所需的信息，加剧欠拟合。