andrewchay 我读起来很多中文词都费劲啊，还是比较prefer将一些基本概念的词保留英文的。BTW，这篇文章激起了让我想要去读一下这个93页论文的兴趣，估计也能醍醐灌顶的对model selection和regression有个更深层的认识。好文！虽然我还是没弄明白你的那个solution path的path是怎么回事
yihui [未知用户] 参见三楼的回复。若有不熟悉的词汇，可以翻译并用括号标注相应的英文。 比如prefer写成“倾向于”又会怎样？BTW写成“另外”又如何？等等。真的不嫌中英文输入法切换麻烦吗？还是真的已经在异国他乡呆了半个世纪…… 本文若能激起读者对原文的兴趣，也是一种成功了。
Orchid [未知用户] 你好，我现在临时要用LARS分析一组数据，有个问题不明白，特来请教： Efron的论文中说变量之间要线性独立，这个条件是必须的吗。我的数据现在是 各个变量之间存在较高的Pearson相关性，如果直接套用LARS，这种相关性对回归结果有什么影响？ 谢谢，期待得到回答
Orchid 你好，我是计算机专业的，数学基础不是很好，我现在临时要用LARS分析一组数据，有个问题不明白，特来请教： Efron的论文中说变量之间要线性独立，这个条件是必须的吗。我的数据现在是 各个变量之间存在较高的Pearson相关性，如果直接套用LARS，这种相关性对回归结果有什么影响？ 谢谢，期待得到这里高手回答
kingdice [未知用户] 如果变量之间的想关心较高的话，Lars倾向于只选择这些相关变量中的一条变量，但是有些经济模型明知道，几个变量是相关的还是要加到模型中时，可以用Zou的elastic net来解决这个问题
kingdice LZ,非常有幸这个版块看到你对LARS这一系列的理解，我有个疑问，在做lasso，在什么条件下的解是唯一的呢？？因为我最近注意到当X1=X2时，lasso会产生不是唯一的解，请帮我解释一下可以吗？或者提供一下唯一解的条件的论文，可以吗？？谢谢
runxiao 楼主的文章写的非常好，LARS的基本思想将的很清楚。Efron这篇文章我也拜读过几遍，但其间关于如何求solution path的方向以及步长，似乎并不透彻。楼主如果能结合几何特征讲解下这两个关键点就更好了:)
eeyangc “Efron提出了Forward stagewise”，这个是概念性错误。Forward Stagewise Regression 应该归功于Friedman，源于Gradient Boosting。LARS的几何意义可以结合凸优化来理解。
junhun-2008@163.com 还想问几个问题， 1、这些变量找出来以后再做一次最小二乘么？还只可以直接通过每一步得到的步长r算出来对应各个变量的系数改变量？已知在角分线ua上边的长度是r了，怎么确定其他边的步长呢？ 2、是不是应该每一步求得的步长r是越来越小的呢？我的结果乱七八糟的 谢谢~
