LASSO模型（least absolute shrinkage and selection operator model），工学-信息与通信工程-模式识别-统计模式识别-LASSO模型，在统计学中，同时进行特征选择和正则化的特征选择方法。旨在增强统计模型的预测准确性和可解释性。最小绝对收缩和选择算子（least absolute shrinkage and selection operator，LASSO）模型的原始数学形式是在回归系数的绝对值之和（L1-范数）不超过某个常数的约束条件下，使线性回归残差平方和最小化。给定个训练样本，每个样本由一个维自变量向量和一个1维因变量组成。LASSO模型的目标是求解如下优化问题：…（1）式中和分别为第个样本的自变量向量和因变量；为约束强度参数，可根据数据自由选择。该模型采用L1-范数约束能够产生某些严格等于0的回归系数，从而得到可以解释的统计模型。从贝叶斯统计角度看，LASSO模型可以理解为具有拉普拉斯先验的线性回归模型。从数学优化的角度看，LASSO模型可以看作是对非凸的子集选择问题的一种凸松弛模型。