D选项不严谨，Lasso只是缓解了由于共线性导致的估计误差的问题，而不是解决共线性，故错误

正确答案是：D: Lasso可以解决特征之间“共线性”的问题。

分析：

A: 岭回归的扰动项越大，模型越不容易受到共线性的影响。—— 这是正确的。岭回归通过在损失函数中加入L2正则化项，可以减少共线性对模型的影响。

B: 岭回归的扰动项挤占了w中由原始的特征矩阵贡献的空间。—— 这是正确的。岭回归的正则化项会影响权重w的大小，使其不完全由原始特征矩阵决定。

C: 相比Lasso，岭回归中自变量系数会很快衰减，但很难归为零。—— 这是正确的。岭回归的L2正则化会使权重衰减，但通常不会使其完全变为零。

D: Lasso可以解决特征之间“共线性”的问题。—— 这是错误的。Lasso回归主要用于特征选择，通过L1正则化使一些特征的系数变为零，但它并不能有效解决特征之间的共线性问题。岭回归在这方面表现更好。

因此，选项D描述错误。