线性回归模型出现过拟合，因此您应用了 L1 正则化。训练后，所有特征权重都变为零。改进模型的最佳下一步是什么？

当线性回归模型应用L1正则化后所有特征权重都变为零时，这表明正则化强度过高。L1正则化（Lasso回归）会惩罚模型中的特征权重，并倾向于将不重要的特征权重压缩为零，从而实现特征选择。如果所有权重都变为零，则模型过于简化，无法从数据中学习任何模式。因此，降低L1正则化强度是最佳的下一步，这样可以允许模型学习非零权重，从而更好地拟合数据。增加L1正则化强度只会使问题恶化。添加L2正则化（岭回归）在所有权重都为零的情况下没有意义，因为L2正则化主要是防止权重过大，而不是将它们压缩为零。