最小絕對收縮和選擇算子（ Lasso）在數(shù)據(jù)維度約減、異常檢測方面有著較強的計算優(yōu)勢。針對Lasso用于異常檢測中檢測精度不高的問題，提出了一種基于多維度權(quán)重的最小角回歸（ LARS）算法解決Lasso問題。首先考慮每個回歸變量在回歸模型中所占權(quán)重不同，即此屬性變量在整體評價中的相對重要程度不同，故在LARS算法計算角分線時，將各回歸變量與剩余變量的聯(lián)合相關(guān)度納入考慮，用來區(qū)分不同屬性變量對檢測結(jié)果的影響；然后在LARS算法中加入主成分分析（PCA）、獨立權(quán)數(shù)法、基于Intercriteria相關(guān)性的指標(biāo)的重要度評價（CRITIC）法這三種權(quán)重估計方法，并進(jìn)一步對LARS求解的前進(jìn)方向和前進(jìn)變量選擇進(jìn)行優(yōu)化。最后使用Pima Indians Diabetes數(shù)據(jù)集驗證算法的優(yōu)良性。實驗結(jié)果表明，在更小閾值的約束條件下，加入多維權(quán)重后的LARS算法對Lasso問題的解具有更高的準(zhǔn)確度，能更好地用于異常檢測。