Estoy interesado en resolver el siguiente problema
$$ \min_{\boldsymbol{\beta}} \left( \mathbf{y}-\mathbf{X}\boldsymbol{\beta} \right)^T W \left( \mathbf{y}-\mathbf{X}\boldsymbol{\beta} \right) + \lambda \left|\boldsymbol{\beta}\right|_1 $$
$\mathbf{y}$ es el vector de observaciones para cada conjunto de datos.
$\mathbf{X}$ es la matriz de predictores.
$\boldsymbol{\beta}$ es el conjunto de coeficientes de regresión.
$\mathbf{W}$ es una matriz diagonal llena de números reales positivos.
el uso de los LARS-Lazo enfoque. ¿Hay algún paquete existente que hace esto, lo que significa que se acepta pesos para cada uno como una entrada?
Con todo el proceso de normalización de los conjuntos de datos (centrado y de escala) que necesita ser hecho, estoy indeciso para pre-procesar mis datos y multiplicar tanto la observación y los predictores con $\sqrt{W}$ y se alimentan en el algoritmo.
