線形回帰に正則化項を加えた手法。L1正則化を適用した手法。
リッジ回帰と同じく正則化された線形回帰の一つがLasso回帰です。Lasso回帰は最小二乗コスト関数に対して、重みの合計を足したもの（L1正則化項と呼ぶ）で、データがm個あるとすると以下のように表現される。
Lasso回帰はリッジ回帰と違って不要と判断される説明変数の係数（重み）が0になる性質があり、つまりモデル構築においていくつかの特徴量（説明変数）が完全に無視されるということ。言い換えれば、モデルの選択と同時に説明変数の数を削減して、説明変数（特徴量）の選択を自動で行ってくれるとも言える。
L1正則化：一部のパラメータの値をゼロにすることで、特徴選択を行うことができる。
