模型Least Absolute Shrinkage and Selection Operator
Lasso
一种线性回归的稀疏化方法，通过在损失函数中加入L1范数正则项，使模型倾向于产生稀疏解，常用于压缩感知中的信号恢复和特征选择。
时间轴 (近 90 天)
10月10日
弹性网络（Elastic-Net）是一种结合了L1正则（Lasso）与L2正则（Ridge）的回归方法
待验证50%
10月10日
纯Lasso在面对高度相关的基因时表现不稳定，往往从一组相关基因中随机挑一个，而Ridge的L2惩罚能让相关特征抱团保留
待验证50%
9月21日
岭回归和Lasso能缓解共线性带来的系数不稳定，但代价是系数不再是无偏估计
待验证50%
9月3日
当先验为均匀分布时MAP退化为MLE，高斯先验对应岭回归（Ridge），拉普拉斯先验对应Lasso回归
待验证50%