5.1.8在套索回归中，通过引入哪个项来限制模型的复杂度?() A. L1正则化项B. L2正则化项C. L0正则化项D. L3正则化项

套索回归（Lasso Regression）是一种线性回归模型，它通过引入L1正则化项来限制模型的复杂度。L1正则化项能够使一些特征的系数变为零，从而实现特征选择，减少模型的复杂度。L2正则化项（如Ridge回归）则通过平方和的形式来限制模型复杂度，但不会使系数变为零。L0正则化项和L3正则化项在实际应用中并不常见。