선형 회귀 모델이 과적합되어 L1 정규화를 적용했습니다. 학습 후 모든 특성 가중치가 0이 되었습니다. 모델을 개선하기 위한 다음 최선의 단계는 무엇입니까?

L1 정규화(Lasso)는 모델의 복잡성을 줄이고 과적합을 방지하기 위해 일부 특성 가중치를 0으로 만듭니다. 모든 특성 가중치가 0이 되었다는 것은 L1 정규화 강도가 너무 강하여 모델이 모든 특성을 무시하고 예측 능력을 상실했음을 의미합니다. 이러한 경우, L1 정규화의 강도를 줄여 모델이 일부 특성 가중치를 0이 아닌 값으로 유지하고 데이터로부터 학습할 수 있도록 해야 합니다. L1 정규화 강도를 높이면 이미 0이 된 가중치들이 계속 0으로 유지되어 모델 성능이 개선되지 않습니다. L2 정규화(Ridge)는 가중치를 0에 가깝게 만들지만 완전히 0으로 만들지는 않으므로, 모든 가중치가 0이 된 상황에서 L2 정규화를 추가하는 것은 근본적인 해결책이 아닙니다. L1 강도를 줄이는 것이 모델이 유의미한 특성을 학습하도록 하는 가장 직접적이고 효과적인 방법입니다.