L1惩罚项通过对回归系数进行绝对值惩罚，可以使得一些回归系数变为0，从而达到降维的目的。当多个特征对目标值具有同等相关性时，L1惩罚项会选择保留其中一个特征，而将其他特征的系数设为0。

正确答案是：C: 相比较树模型，L1惩罚项的逻辑回归选择出的特征不具有线性相关性。

### 专业分析：

1. **A: L1惩罚项的逻辑回归模型倾向于筛选出比较少的特征**
- 正确。L1惩罚项（即Lasso回归）会使一些特征的系数变为零，从而实现特征选择，倾向于筛选出较少的特征。

2. **B: L1惩罚项降维可以保留多个对目标值具有同等相关性的特征中的一个**
- 正确。L1惩罚项会倾向于选择一个特征并将其他相关性较高的特征系数压缩为零，因此在多个相关特征中只保留一个。

3. **C: 相比较树模型，L1惩罚项的逻辑回归选择出的特征不具有线性相关性**
- 错误。L1惩罚项的逻辑回归模型选择出的特征仍然可能具有线性相关性。树模型（如决策树）则不依赖于特征之间的线性关系，因此其选择出的特征可能在结构上与线性模型不同。

4. **D: 是嵌入法中的一种**
- 正确。L1惩罚项的逻辑回归模型是一种嵌入法，通过模型训练过程中的正则化来实现特征选择。