LASSO 或相關稀疏問題中正則化路徑的含義是什麼？

如果我們選擇不同的參數值，我們可以獲得具有不同稀疏度的解。這是否意味著正則化路徑是如何選擇可以更快收斂的坐標？儘管我經常聽說稀疏性，但我有點困惑。另外，能否請您簡單描述一下現有的LASSO問題解決方案？

假設你有一個模型預測變量：. 放到一個初始值，並估計你的係數. 這些係數可以被認為是一個點-維空間。*

對下一個值重複該過程，並得到另一組估計值。這些形成了另一個點維空間。為你所有的人做這件事值，您將獲得一系列這樣的點。這個序列就是正則化路徑。

• 還有攔截項所以這一切在技術上都發生在維空間，但沒關係。無論如何，大多數彈性網絡/套索程序都會在擬合模型之前對變量進行標準化，所以將始終為 0。

引用自：https://stats.stackexchange.com/questions/112737