學習筆記，僅供參考，有錯必糾

---

文章目錄

• • 線性模型
  • • 極小角回歸(LARS)
    • LARS Lasso
    • • 數學表達式
    • 正交匹配追蹤(OMP)

---

線性模型

極小角回歸(LARS)

極小角度回歸(LARS)是一種高維數據的回歸算法，由Bradley Efron, Trevor Hastie, Iain Johnstone和Robert Tibshirani開發。LARS類似于正向逐步回歸。每一步都找出與目標最相關的特征。當有多個具有相等相關性的特征時，它不是沿著同一特征繼續，而是沿著特征之間的等角方向進行。

LARS的優點是：

• 在特征數量明顯大于樣本數量的情況下，它在數值上是有效的。
• 它的計算速度與正向選擇一樣快，復雜度與普通最小二乘相同。
• 它生成一個完整的分段線性解決方案路徑，這在交叉驗證或類似的調整模型的嘗試中是有用的。
• 如果兩個特征與目標的相關性幾乎相等，那么它們的系數應該以近似相同的速率增加。因此，該算法的行為就像直覺所期望的那樣。

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的sklearn自学指南(part12)--极小角回归及正交匹配追踪的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。