Merak ediyorum, LASSO ve LARS model seçim yöntemleri, temelde sadece adım adım ileri seçimin varyasyonları olsa da (bu yüzden yol bağımlılığından muzdarip) neden bu kadar popüler?
Benzer şekilde, model seçimi için General to Specific (GETS) yöntemleri, adım adım regresyon probleminden muzdarip olmadıkları için neden LARS / LASSO'dan daha iyi olsalar da çoğunlukla göz ardı edilmektedir? (GETS için temel referans: http://www.federalreserve.gov/pubs/ifdp/2005/838/ifdp838.pdf - buradaki yeni algoritma, yol bağımlılığını önleyen geniş bir model ve ağaç araması ile başlar ve genellikle LASSO / LARS'tan daha iyi).
Sadece garip görünüyor, LARS / LASSO Genel'den Spesifik'e (GETS) göre çok daha fazla pozlama ve alıntı yapıyor gibi görünüyor, herhangi bir düşüncesi var mı?
Sıcak bir tartışmaya başlamaya çalışmamak, literatürün neden GETS yerine LASSO / LARS'a odaklandığını ve daha az insanın LASSO / LARS'ın eksikliklerine dikkat çektiğini rasyonel bir açıklama arıyor.