Преимущества метода LARS при построении линейных моделей:

• численная эффективность в контекстах, где количество признаков значительно превышает количество выборок; 1
• вычислительная скорость, аналогичная прямому выбору; 1
• создание полного кусочно-линейного пути решения, который полезен при перекрёстной проверке или аналогичных попытках настроить модель; 2
• если два признака почти одинаково коррелируют с целью, то их коэффициенты должны увеличиваться примерно с одинаковой скоростью, что делает алгоритм более стабильным; 1
• возможность модифицировать метод для получения решений для других моделей, например Лассо. 1

Недостатки метода LARS:

• поскольку он основан на итеративной переработке остатков, может оказаться особенно чувствительным к влиянию шума; 1
• при любом количестве шума в зависимой переменной и при многомерных мультиколлинеарных независимых переменных нет оснований полагать, что выбранные переменные с высокой вероятностью будут являться фактическими базовыми причинными переменными. 2