从线性代数到 LASSO：公式展开、推导与计算过程完整教材#
一份把
x ≈ Dh、最小二乘和 LASSO 从“公式黑盒”拆成可手算、可解释、可推导对象的教材。
下载 PDF：从线性代数到 LASSO
目录概览#
| 部分 | 内容 |
|---|---|
| 第一部分：看懂公式 | 标量、向量、矩阵、范数、矩阵乘法、误差、最小二乘、arg min 与梯度 |
| 第二部分：从最小二乘到稀疏表示 | L0 稀疏优化、正则化、Ridge、LASSO、凸性、子梯度与最优性条件 |
| 第三部分：综合例题、扩展与实践 | soft-thresholding、正交设计、坐标下降、ISTA、L1 与 L2 几何差异 |
| 第四部分：附录 | 矩阵求导速查、练习题与答案、总结 |
适合怎么读#
- 如果是第一次接触 LASSO，可以先顺着第一部分建立线性代数和最小二乘直觉。
- 如果已经熟悉基础公式，可以从第二部分进入稀疏表示、
L1正则化和最优性条件。 - 如果关心算法实现，可以重点读 soft-thresholding、坐标下降和 ISTA 几章。
一句话总结#
LASSO 的核心不只是“加一个 L1 惩罚项”，而是用可计算的凸优化形式，把拟合误差和稀疏偏好放进同一个目标函数里。