Je me demandais pourquoi les méthodes de sélection des modèles LASSO et LARS sont si populaires même si elles ne sont fondamentalement que des variations de la sélection pas à pas (et souffrent donc de la dépendance du chemin)?
De même, pourquoi les méthodes GETS (General to Specific) pour la sélection des modèles sont-elles le plus souvent ignorées, même si elles font mieux que LARS / LASSO parce qu'elles ne souffrent pas du problème de régression pas à pas? (référence de base pour le SEAOG: http://www.federationreserve.gov/pubs/ifdp/2005/838/ifdp838.pdf - le nouvel algorithme commence par une recherche de modèle et d'arborescence large qui évite la dépendance du chemin et a font souvent mieux que LASSO / LARS).
Cela semble juste étrange, LARS / LASSO semblent obtenir beaucoup plus d'exposition et de citations que General to Specific (GETS), quelqu'un a-t-il des pensées?
N'essayant pas d'entamer un débat houleux, recherchant plutôt une explication rationnelle pour laquelle la littérature semble se concentrer sur LASSO / LARS plutôt que sur le GETS et peu de gens soulignent en fait les lacunes de LASSO / LARS.