LARS（最小角回归）

优缺点 LARS是一个适用于高维数据的回归算法。算法 优势：spa 特别适合于特征维度n 远高于样本数m的状况。数据 算法的最坏计算复杂度和最小二乘法相似，可是其计算速度几乎和前向选择算法同样co 能够产生分段线性结果的完整路径，这在模型的交叉验证中极为有用模型 缺点： 因为LARS的迭代方向是根据目标的残差而定，因此该算法对样本的噪声极为敏感。

>>阅读原文<<