chimera(#include): 谢谢博主～

ZCyu_eternal: 有很多附录上的图。然后和发表的也不一样

野生香鱼: LARS 的优点： 当p>>n，该算法数值运算上非常有效。（例如当维度的数目远超点的个数） 它在计算上和前向选择一样快，和普通最小二乘法有相同的运算复杂度。 它产生了一个完整的分段线性的解决路径，在交叉验证或者其他相似的微调模型的方法上非常有用。 如果两个变量对响应几乎有相等的联系，则它们的系数应该有相似的增长率。因此这个算法和我们直觉上的判断一样，而且还更加稳定。 它很容易修改并为其他估算器生成解，比如Lasso。 LARS的缺点： 因为LARS是建立在循环拟合剩余变量上的，所以它对噪声非常敏感。 这个问题，在2004年统计年鉴的文章由Weisberg详细讨论。

SARIHUST: u是每个client在每一轮中要计算更新梯度的次数，由于需要E轮局部计算，每一局部轮需要进行nk/B次

chyo0103: 可否理解为u=uk呢？还是u是平均值，uk是一个值