最小角回歸是針對(duì)高維數(shù)據(jù)的回歸算法。

least angle regression 的優(yōu)勢(shì)如下：

當(dāng)p>>n時(shí)計(jì)算是非常高效的。（比如當(dāng)維數(shù)遠(yuǎn)大于點(diǎn)數(shù)）

它和前向選擇計(jì)算速度差不多，并且和最小二乘法復(fù)雜度一樣。

生成一個(gè)完整的分段線性解的路徑，這交叉驗(yàn)證和之后的參數(shù)調(diào)整非常有效。

如果兩個(gè)變量的相應(yīng)值總是相同的，那么他們的系數(shù)應(yīng)該有近似相同的增長(zhǎng)速率。因此 LARS的增長(zhǎng)總是穩(wěn)定的

LARS方法的缺點(diǎn)：

由于LARS是基于剩余誤差多次迭代擬合的結(jié)果，所以對(duì)噪音的影響比較敏感

總結(jié)

以上是生活随笔為你收集整理的6.最小角回归（Least Angle Regression）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。