针对Lasso问题的多维权重求解算法
来源：计算机应用杂志2017年第6期北京时间：
作者：陈善雄, 刘小娟, 陈春蓉, 郑方园
单位：1. 西南大学 计算机与信息科学学院, 重庆 400715;2. 贵州工程应用技术学院 信息工程学院, 贵州 毕节 551700
摘要：最小绝对收缩和选择算子（Lasso）在数据维度约减、异常检测方面有着较强的计算优势。针对Lasso用于异常检测中检测精度不高的问题，提出了一种基于多维度权重的最小角回归（LARS）算法解决Lasso问题。首先考虑每个回归变量在回归模型中所占权重不同，即此属性变量在整体评价中的相对重要程度不同，故在LARS算法计算角分线时，将各回归变量与剩余变量的联合相关度纳入考虑，用来区分不同属性变量对检测结果的影响；然后在LARS算法中加入主成分分析（PCA）、独立权数法、基于Intercriteria相关性的指标的重要度评价（CRITIC）法这三种权重估计方法，并进一步对LARS求解的前进方向和前进变量选择进行优化。最后使用Pima Indians Diabetes数据集验证算法的优良性。实验结果表明，在更小阈值的约束条件下，加入多维权重后的LARS算法对Lasso问题的解具有更高的准确度，能更好地用于异常检测。
关键词：最小绝对收缩和选择算子,变量选择,最小角回归,多元线性回归,加权
基金资助：国家自然科学基金资助项目（61303227）；贵州省普通高等学校科技拔尖人才支持计划项目（黔教合KY字[2016]098）；贵州省科技厅联合基金资助项目（黔科合LH字[2016]7053）。
