优缺点
LARS是一个适用于高维数据的回归算法。
优点：
-
特别适合于特征维度n 远高于样本数m的情况。
-
算法的最坏计算复杂度和最小二乘法类似，但是其计算速度几乎和前向选择算法一样
-
可以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
缺点：
- 由于LARS的迭代方向是根据目标的残差而定，所以该算法对样本的噪声极为敏感。
今天的文章最小角回归与lasso回归_spss做偏最小二乘回归「建议收藏」分享到此就结束了，感谢您的阅读。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/76310.html
