Bradley Efron and etc.(2004)提出了LARS(LEAST ANGLE REGRESSION)算法。该算法的思路如下：
       假定我们期望某因变量将被一个潜在的自变量集合的线性组合决定。那么，LARS算法提供了决定哪些变量将被选择进入该子集合
的方法，并且能够同时给出这些变量的参数估计。
       LARS算法不是给一个向量的估计结果，而是给出了一个能够代表参数向量L1范数值的曲线的解决方案。该算法是前向逐步回归法相似不同之处为，在每一步不是直接加入某个变量，而是在某一计算角度（等于变量与残差项的相关系数）上增加自变量集合。
（请高手批判 O(∩_∩)O~）

欲知晓了解更多：数据挖掘现场班https://bbs.pinggu.org/thread-1409460-1-1.html