最小角回歸

最小角回歸（Least Angle Regression, LAR）是一種用於線性回歸的統計方法，由Efron, Hastie, Johnstone和Tibshirani在2004年提出。這種方法是一種逐步回歸的方法，它通過最小化預測變數和回響變數之間的角度而不是像最小二乘法那樣最小化誤差平方和來選擇模型。

最小角回歸的步驟如下：

1. 開始時，選擇一個預測變數，並計算它與回響變數的相關性。
2. 然後，考慮下一個預測變數，並計算它與當前模型的相關性。
3. 重複這個過程，每次都選擇與當前模型相關性最大的預測變數。
4. 當所有的預測變數都被考慮過之後，停止這個過程。

最小角回歸的優點是它能夠處理高維數據，並且在選擇模型時能夠考慮預測變數之間的相關性。然而，它的缺點是它可能會過度擬合數據，並且在預測新數據時可能會表現不佳。

最小角回歸通常用於生物信息學、基因表達數據分析和金融數據分析等領域。