リアルタイム広告の入札を予測する線形モデルが過学習しており、チームは特徴量セットを削減する必要があります。特徴量を削減し、かつ過学習を防ぐアプローチはどれですか？

L1正則化（Lasso回帰）は、モデルの過学習を防ぎながら、一部の係数をゼロにすることで特徴量選択を自動的に行います。これにより、重要でない特徴量がモデルから実質的に削除され、特徴量セットが削減されます。 L2正則化（Ridge回帰）は、係数をゼロに近づけますが、完全にゼロにすることはありません。そのため、特徴量選択にはつながりません。ドロップアウト正則化はニューラルネットワークに主に使用され、線形モデルには直接適用できません。より多くのトレーニングデータは過学習を軽減する可能性がありますが、特徴量セットを削減するアプローチではありません。