最小角回归（least angel regression），理学-统计学-大数据统计分析-机器学习，根据残差与变量角度关系逐步选入变量的变量选择方法。最小角回归方法由B.埃弗龙（Bradley Efron）于2004年提出，用于改进已有的变量选择方法，不仅计算过程简单而且弱化了自变量间相关性对变量选择的影响。此外，最小角回归方法稍作修改可求解以LASSO（见线性惩罚模型）为惩罚函数的变量选择轨迹，极大地促进了惩罚模型发展。该方法最多用步可以将所有的个变量引入，是向前回归法的改进方法。该方法首先选择和因变量最相关的变量，将预测值在变量上移动直到出现新的变量，使得预测残差与的相关系数等于残差与的相关系数。然后将预测值沿与角度相同的方向移动，直至出现新的变量，使得预测残差与的相关系数等于残差与的相关系数。继续上述过程直到所有的变量选入模型。