Lasso方法是基于惩罚方法对样本数据进行变量选择，通过对原本普通线性回归模型的系数进行压缩，将原本很小的系数直接压缩至0，从而将这部分系数所对应的变量视为非显著性变量，将不显著的变量直接舍弃，达到简化模型的目的。...