在分析正则化和特征选择的过程中，我们需要理解LASSO和Ridge回归的特性。以下是对选项的逐一分析：

| 选项 | 描述 | 正确与否 | 分析 |
|------|------|---------|------|
| A | LASSO和Ridge都是可以做特征选择 | ❌ | LASSO可以做特征选择，因为它使用L1正则化，会将一些系数缩减为零。Ridge回归使用L2正则化，不会将系数缩减为零，因此不具有特征选择的功能。 |
| B | LASSO使用L2正则化，Ridge使用L1正则化 | ❌ | 事实恰好相反。LASSO使用L1正则化，而Ridge使用的是L2正则化。 |
| C | L1会趋向于产生少量的特征，而L2会选择更多的特征 | ✅ | LASSO（L1正则化）倾向于生成稀疏解，导致少量特征被选择，而Ridge（L2正则化）会让所有特征都有贡献，但不会被缩减为零，因此会选择更多的特征。 |
| D | Ridge会给出一个稀疏解 | ❌ | Ridge回归不会产生稀疏解，因为它使用L2正则化，导致所有特征的系数都趋于接近但不等于零。 |

综上所述，选项 C 是正确的选择。LASSO通过L1正则化可以进行特征选择，而Ridge通过L2正则化则不会让任何系数为零，因此不会选择一个稀疏解。