Преимущества LARS по сравнению с другими методами логистической регрессии:

• Численная эффективность в контекстах, где количество признаков значительно превышает количество выборок. 1
• Быстрота в вычислительном отношении и тот же порядок сложности, что и обычный метод наименьших квадратов. 1
• Создание полного кусочно-линейного пути решения для каждого возможного значения параметра регуляризации, что полезно при кросс-валидации или настройке модели. 15
• Возможность эффективно выбирать подмножество предикторов и одновременно оценивать их коэффициенты. 5

Недостатки LARS:

• Чувствительность к выбросам, что может исказить результаты и привести к вводящим в заблуждение интерпретациям. 5
• Не всегда может дать самую экономичную модель, особенно в случаях, когда количество предикторов очень велико. 5