ScholarGate
助手
Machine learning

Lasso 回归

Lasso 回归由 Robert Tibshirani 于 1996 年提出，是一种线性回归方法，它在损失函数中增加了一个 L1 惩罚项，从而同时收缩系数并执行变量选择，生成一个稀疏模型。通过将某些系数精确地收缩到零，它只保留了重要的预测变量。

在 MethodMind 中打开即将推出视频即将推出Download slides

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

登录

Method map

The neighbourhood of related methods — select a node to explore.

Lasso 回归
弹性网络 (Elastic Net)逻辑回归主成分分析岭回归（Ridge Regression）自适应Cox比例风险模型贝叶斯LASSO回归贝叶斯模型平均 (Bayesian Model…贝叶斯多元线性回归贝叶斯岭回归弹性网络回归

+15 more

来源

  1. Tibshirani, R. (1996). Regression Shrinkage and Selection via the Lasso. Journal of the Royal Statistical Society: Series B, 58(1), 267–288. DOI: 10.1111/j.2517-6161.1996.tb02080.x ↗

如何引用本页

ScholarGate. (2026, June 1). Least Absolute Shrinkage and Selection Operator (LASSO). ScholarGate. https://scholargate.app/zh/machine-learning/lasso-regression

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side →

被引用于

自适应Cox比例风险模型贝叶斯LASSO回归贝叶斯模型平均 (Bayesian Model Averaging, BMA)贝叶斯多元线性回归贝叶斯岭回归弹性网络 (Elastic Net)弹性网络回归机器学习辅助表观基因组关联研究 (ML-EWAS)机器学习增强工具变量 (ML-IV)多元线性回归分位数回归（非参数变体）普通最小二乘法 (OLS) 回归普通最小二乘法 (OLS)多项式回归主成分分析分位数回归正则化支持向量机岭回归（Ridge Regression）稳健线性回归稳健多元线性回归稳健回归Robust Ridge Regression逐步回归支持向量回归

发现本页有问题？报告或提出修改建议 →

ScholarGate — Lasso Regression (Least Absolute Shrinkage and Selection Operator (LASSO)). 于 2026-06-15 检索自 https://scholargate.app/zh/machine-learning/lasso-regression · 数据集： https://doi.org/10.5281/zenodo.20539026