enthumelon 回复 第1楼 的 linlei_1990： MLE? 直接求Lagrangian+KKT，用coordinate办法。问题在于，likelihood + penalty的(估计相合)条件验证很奇葩的... 当然你可以去做profile likelihood estimation，问题在于计算上会比较恶心些。
enthumelon 回复 第3楼 的 linlei_1990：coordinate descent algorithm. convex的还好办，其它的就不好说了。大约在于KKT条件求出后使用上述算法。 1. 直接的包?没有。特殊分布Laplace/Normal的本来就是(G)LASSO。 2. SVM向的有一个: penalizedSVM（大约是这个名字）。 3. 万能算法？ 没有，有的话，开个公司多赚钱。
