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。

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。