Модель линейной регрессии переобучилась, поэтому вы применили L1-регуляризацию. После обучения все веса признаков стали равны нулю. Какой следующий шаг лучше всего предпринять для улучшения модели?

Если все веса признаков стали равны нулю после применения L1-регуляризации, это означает, что сила регуляризации была слишком высокой. L1-регуляризация (LASSO) имеет свойство обнулять веса наименее важных признаков, что полезно для отбора признаков. Однако, когда все веса обнуляются, модель становится слишком простой и не может улавливать закономерности в данных, что приводит к недообучению. Уменьшение силы L1-регуляризации позволит модели присвоить ненулевые веса некоторым признакам, что улучшит ее способность к обучению и снизит смещение. Увеличение силы L1-регуляризации только усугубит проблему. Добавление L2-регуляризации (Ridge) не решит проблему обнуления всех весов, так как L2-регуляризация уменьшает веса, но редко обнуляет их полностью.