Lasso算法（Least Absolute Shrinkage and Selection Operator，最小絕對值收縮和選擇算法）是一種用於線性回歸模型的特徵選擇和正則化技術。它通過在損失函式中加入L1正則化項（即係數絕對值的和）來實現特徵的自動選擇和降維，這種方法能夠壓縮一些係數並為零，從而精簡模型，同時增強模型的預測準確性和可解釋性。
Lasso算法在處理具有復共線性數據時表現出色，因為它通過設定一些係數為零來避免過擬合，並且在模型的預測精度和複雜度之間提供了平衡。Lasso算法的求解過程可以使用疊代算法如坐標軸下降法或最小角回歸法來實現，這些方法有效地處理了高維數據。
與嶺回歸相比，Lasso算法能夠產生稀疏解，即一些回歸係數變為零，這有助於特徵選擇和模型的簡化。而嶺回歸使用L2正則化，傾向於減少係數的大小而不是將其完全降至零。