最小角回歸

• 當 p >> n，該算法數值運算上非常有效。(例如當次元的數目遠超點的個數)
• 它在計算上和前向選擇一樣快，和普通最小二乘法有相同的運算複雜度。
• 它産生了一個完整的分段線性的解決路徑，在交叉驗證或者其他相似的微調模型的方法上非常有用。
• 如果兩個變量對響應幾乎有相等的聯系，則它們的系數應該有相似的增長率。是以這個算法和我們直覺 上的判斷一樣，而且還更加穩定。
• 它很容易修改并為其他估算器生成解，比如Lasso。

• 因為 LARS 是建立在循環拟合剩餘變量上的，是以它對噪聲非常敏感。這個問題，在 2004 年統計年鑒的文章由 Weisberg 詳細讨論。
• LARS 模型可以在 Lars ，或者它的底層實作 lars_path 中被使用。