多重共线性是多元线性回归分析中的一个重要问题,消除共线性的危害一直是回归分析的一个重点。就此问题介绍了一种Lasso方法,并设计了一种选择最佳模型的方法。通过实例分析,将其与常用方法进行比较,从结果可看出,Lasso回归在处理多重共线性问题上较其他方法更加有效。

Zou & Hastie(2005) 301-320 Regularization and variable selection via the elastic net.pdf

MATLAB实现LASSO分位数回归时间序列预测（完整源码和数据） 两个月数据，不同特征预测，预测80%间隔，不同特征选择误差，日前一天各个预测点的分位数，程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。

omp算法matlab代码LASSO-Solver-OMP 设计师：赵俊波，武汉大学，在清华大学智能图像和文档处理国家实验室工作。 联络电话： + 86-18672365683 介绍该软件包以著名的LASSO求解器实现了正交匹配追踪算法（OMP），并且该程序是在LAPACK的帮助下以C ++编写的。 LASSO是一个关键问题，可以将其视为统计问题，但在许多应用程序中已得到广泛利用。 稀疏编码，例如，作为计算机视觉，自然语言处理和机器学习的重要工具，是基于LASSO求解器的良好发展。 OMP因其相对于基本追求或先前提出的匹配追踪（MP）的优势而广为人知。 OMP实现了更快的收敛，并克服了其他方法的一些缺点。 为了方便起见，许多实现OMP算法的代码大多是在MATLAB中实现的。 但是，由于MATLAB在遇到大迭代时并不是那么有利，因此对于某些大规模或高维问题，首选C ++。 该OMP算法的具体介绍可以在论文《正交匹配追踪-递归函数逼近及其在小波分解中的应用》 （2003）中看到。 配置要运行该项目，您应该在Visual C ++环境中预先配置LAPACK接口。 如果您访问网站，这将非常容易

线性回归，通过lasso进行收缩和选择回归

求解Lasso问题的共轭梯度法和Nesterov型算法.pdf

09回归大家族：线性回归，岭回归，Lasso与多项式回归.7z

一汽套索 用于快速且可扩展的套索回归的随机Frank-Wolfe算法（C ++代码） 免责声明： 仅在GNU通用公共许可证下，该软件可用于非商业研究目的。 然而，尽管GNU通用公共许可证的任何规定，该软件可能无法接触后用于商业用途的明确书面许可和 。 主要开发商： 埃马努埃莱Frandi（ ），里卡多Nanculef（ ） 参考： Frandi E.，Nanculef R.，Lodi S.，Sartori C.，Seykens JAK，“通过具有随机性保证的随机Frank-Wolfe方法进行快速可扩展的套索”，内部报告15-93，ESAT-STADIUS，库鲁汶，2015 。

岭回归和Lasso回归 需要数据的请私信我

基于R语言lars包的改写，详细实现lasso模型和adaptive lasso模型，并使用两个模型分别研究了幸福指数的影响因素，得出：Adaptive lasso模型具有更强的Oracle性质。