2. 在建立迴歸或分類模型時，若希望避免模型過度擬合(Overfitting)，可透過加入正則化項以限制模型的複雜度。其中，L1 正則化(Lasso)的主要效果為何？ (A)增加模型參數的數量，以提升表現靈活度； (B)強化梯度穩定性，避免參數更新過度震盪； (C)產生稀疏模型(Sparse Model)，使部分參數權重收斂為零； (D)提高學習率(Learning Rate)，加速模型收斂速度