金永代（Kim，Yongdai）；金裕元；Kim，Jinseog先生 LASSO的梯度下降算法。 （英语） 兹比尔1134.62046 威尔杜奇、约瑟夫·斯蒂芬（编辑）等，《预测与发现》。AMS-IMS-SIAM关于机器和统计学习：预测和发现的夏季联合研究会议，雪鸟，犹他州，美国，2006年6月25-29日。当代数学443（ISBN 978-0-8218-4195-2/pbk）。73-82 (2007). 小结：我们提出了一种新的LASSO优化算法——一种基于梯度下降法的带L_1约束的回归方法。与现有方法相比，该算法的一个重要优点是前者更稳定，尤其是在输入维数较大的情况下。这里，“更稳定”意味着该算法始终会产生最优解，而现有方法可能无法做到这一点。文中还给出了将该算法与基于QP的算法进行比较的仿真结果。有关整个系列，请参见[Zbl 1123.62002号]. 引用于2文件 MSC公司： 62J07型 岭回归；收缩估计器（拉索） 90 C90 数学规划的应用 65C60个 统计中的计算问题（MSC2010） 软件：UCI-毫升；拉索 PDF格式BibTeX公司 XML格式引用 \textit{Y.Kim}等人，康特姆。数学。443、73--82（2007年；Zbl 1134.62046）