スパム分類器をトレーニングしていて、過学習が観察されました。過学習を減らすのに役立つ3つのアクションはどれですか？（3つ選択してください。）

過学習は、モデルがトレーニングデータに過度に適合し、新しいデータに対する汎化性能が低下する現象です。 「より多くのトレーニング例を取得する」は、モデルがより多様なデータパターンを学習し、特定のノイズや異常に過度に適合するのを防ぐため、過学習を減らすのに役立ちます。 「より少ない特徴量を使用する」は、モデルの複雑さを軽減し、トレーニングデータ内のノイズにモデルが適合する可能性を減らすため、過学習を抑制します。 「正則化パラメータを増やす」は、モデルの重みにペナルティを課すことで、モデルの複雑さを制限し、過学習を防ぐ効果があります。 「トレーニング例の数を減らす」と「より多くの特徴量を使用する」は、モデルの複雑さを増大させたり、学習データの多様性を減らしたりするため、過学習を悪化させる可能性があります。 「正則化パラメータを減らす」も、モデルの複雑さに対する制約を弱めるため、過学習を促進します。