最小角回归
 | 此条目需要扩充。 (2016年7月31日) |
 | 此条目需要补充更多来源。 (2016年7月31日) |
统计学中，最小角回归（英语：least-angle regression (LARS)）是一种对高维数据进行线性回归的算法，由布莱德利·埃夫隆等人提出。[1]
在线性回归中，因变量由一组自变量的线性组合表达，这些自变量可能是协变量，也有可能与因变量无关。最小角算法不会像传统算法那样给出自变量的向量表达，而是对每个参数向量的L1范数的值给出一条曲线。
参考文献
[编辑]- ^ Efron, Bradley; Hastie, Trevor; Johnstone, Iain; Tibshirani, Robert. Least Angle Regression (PDF). Annals of Statistics. 2004, 32 (2): pp. 407–499 [2016-07-30]. MR 2060166. doi:10.1214/009053604000000067. （原始内容存档 (PDF)于2018-06-19）.