楼主这样的问题自己去读PAPER就可以了。读Tibishirani 96年的那篇提出lasso的就足够了。 Adaptive lasso只是对与不同变量，选择了不同的penalizing parameter，使得起相合性更好。但是本身lasso的思想就是用L1 regularization在做shrinkage的同时进行variale selection。由于l1 norm的性质，使得它可以将某些参数直接收缩到0。而l1 penalty是l0 penalty的relaxation，因为l0本身不是convex，在算法上是NP hard。而l1的问题是convex，所有的convex optimization的问题都是practically feasible的。

好久没登上来了。问题已经解决了。虽然不知道原来错在哪儿，但是用了另外一种方法可以行得通。你说的那些早就读过了，只是参数选择这种问题，本身这个方法也不是很稳定。

楼主lqa这个包是什么软件的？R还是Matlab？能否发我一份~先谢谢了！
271415000@qq.com

是R的一个包。你去R官网搜就可以。

是R的一个包。你去R官网搜就可以。

请问楼主后来怎么设置lambda的？