通过增加极点来避免根搜索和优化中的不必要点

本文介绍了“逐一”坐标下降算法在$L_1$-惩罚回归、garotte和弹性网络等相关方法中的应用。该算法可以与广泛应用的LARS过程竞争，在大规模lasso问题中引起了关注。论文提出了一个广义算法，在比标准的凸优化器运行时间更短的时间内得出了解决方案。最后，将该过程推广到二维融合Lasso，并展示了其在一些图像平滑问题上的性能。