실시간 광고 입찰가를 예측하는 선형 모델이 과적합(overfitting)되고 있으며, 팀은 특성(feature) 세트를 줄여야 합니다. 어떤 접근 방식이 특성을 줄이고 과적합을 방지할 수 있을까요?

L1 정규화는 모델의 가중치 중 일부를 0으로 만들어 사실상 해당 특성을 제거하는 효과가 있습니다. 이는 특성 선택(feature selection)의 한 형태로, 모델의 복잡도를 줄여 과적합을 방지하고 특성 세트를 간결하게 만듭니다. L2 정규화는 가중치를 0에 가깝게 만들지만 완전히 0으로 만들지는 않아 특성 제거 효과가 미미합니다. 드롭아웃은 주로 신경망에서 사용되는 정규화 기법으로, 선형 모델에는 직접 적용하기 어렵습니다. 더 많은 훈련 데이터는 과적합을 줄이는 데 도움이 될 수 있지만, 특성 세트를 줄이는 직접적인 방법은 아닙니다.