লাসো সলিউশনগুলির গণনা একটি চতুর্ভুজ প্রোগ্রামিং সমস্যা এবং মান সংখ্যার বিশ্লেষণ অ্যালগরিদম দ্বারা মোকাবেলা করা যেতে পারে। তবে কমপক্ষে অ্যাঙ্গেল রিগ্রেশন পদ্ধতিটি আরও ভাল পদ্ধতির। এই অ্যালগরিদম Lasso সমস্যা বিশেষ কাঠামো শোষণ, এবং সব মানের জন্য একযোগে সমাধান গনা একটি দক্ষ উপায় প্রদান করে ।λ
এখানে আমার মতামত:
আপনার প্রশ্ন দুটি ভাগে বিভক্ত করা যেতে পারে। উচ্চ মাত্রিক ক্ষেত্রে এবং নিম্ন মাত্রিক ক্ষেত্রে। অন্যদিকে এটি সর্বোত্তম মডেল বাছাই করার জন্য আপনি কোন মানদণ্ডটি ব্যবহার করছেন তার উপর নির্ভর করে। লারসের মূল কাগজে, এটি সেরা মডেল বাছাইয়ের জন্য মানদণ্ড হিসাবে প্রমাণিত এবং আপনি কাগজের 'আলোচনায়' কোনও এসভিএস এবং সিভি মানদণ্ডও দেখতে পাবেন। সাধারণত, এলএআরএস এবং লাসোর মধ্যে ক্ষুদ্র পার্থক্য রয়েছে এবং এটিকে সম্পূর্ণ উপেক্ষা করা যেতে পারে।Cp
এছাড়াও LARS কম্পিউটেশনালি দ্রুত এবং নির্ভরযোগ্য। লাসো দ্রুত তবে অ্যালগরিদমের মধ্যে একটি ক্ষুদ্র পার্থক্য রয়েছে যার কারণে এলআরএস গতির চ্যালেঞ্জ জিততে পারে। অন্যদিকে আর-তে বিকল্প প্যাকেজ রয়েছে, যাকে বলা হয় 'গ্ল্যামনেট' যা লার্স প্যাকেজের চেয়ে বেশি নির্ভরযোগ্য কাজ করে (কারণ এটি আরও সাধারণ)।
মোট কথা, লারস এবং লাসো সম্পর্কে বিবেচনা করা যায় এমন উল্লেখযোগ্য কিছুই নেই। এটি আপনি যে মডেলটি ব্যবহার করতে চলেছেন তার উপর নির্ভর করে।
আমি ব্যক্তিগতভাবে উচ্চ এবং নিম্ন মাত্রিক উভয় ক্ষেত্রে আর তে গ্ল্যামনেট ব্যবহার করার পরামর্শ দিই। বা আপনি যদি বিভিন্ন মানদণ্ডে আগ্রহী হন তবে আপনি http://cran.r-project.org/web/packages/msgps/ প্যাকেজটি ব্যবহার করতে পারেন ।