lasso回归（针对二分类结局变量的变量筛选）
二、 Lasso回归定义Lasso回归是一种基于 线性回归 的方法，它可以用于选择与 目标变量最相关的特征 。它通过惩罚 L1范数来压缩某些系数的值，从而减少模型中不必要的特征。方法1) 建立模型：使用 线性回归模型 建立初始模型。2) 惩罚 L1范数：在模型中加入 L1范数 惩罚项，对某些 系数 进行 压缩 。3) 调整惩罚强度： 控制哪些特征被压缩，调整后模型 会 选择与目标变量最相关的特征。4) 交叉验证：使用 交叉验证 来选择最佳的惩罚强度。优点1) 可以用于特征选择，去除不必要
