最小角回归是针对高维数据的回归算法。
least angle regression 的优势如下:
当p>>n时计算是非常高效的。(比如当维数远大于点数)它和前向选择计算速度差不多,并且和最小二乘法复杂度一样。生成一个完整的分段线性解的路径,这交叉验证和之后的参数调整非常有效。如果两个变量的相应值总是相同的,那么他们的系数应该有近似相同的增长速率。因此 LARS的增长总是稳定的 LARS方法的缺点: 由于LARS是基于剩余误差多次迭代拟合的结果,所以对噪音的影响比较敏感
如果觉得《6.最小角回归(Least Angle Regression)》对你有帮助,请点赞、收藏,并留下你的观点哦!