一個機器學習模型在訓練資料上能很好地預測客戶流失，但在新資料上卻表現不佳。以下哪項改變最有可能解決這種過度擬合（overfitting）問題？

過度擬合（overfitting）是指模型在訓練資料上表現良好，但在未見過的新資料上表現不佳。這通常是因為模型過於複雜，學習到了訓練資料中的雜訊和特有模式。提高正規化參數會增加對模型權重的懲罰，強制模型學習更簡單、更泛化的模式，從而降低模型複雜度並減少過度擬合。 降低正規化參數會讓模型更複雜，加劇過度擬合。增加更多輸入特徵可能會增加模型複雜度，也可能導致過度擬合。讓模型訓練更多個週期（epochs）可能會使模型進一步記憶訓練資料，導致過度擬合。