多源数据整合分析（penalized integrative analysis），理学-统计学-大数据统计分析-大数据，基于惩罚变量选择方法的多数据集分析方法。简史惩罚方法是单数据集变量选择中使用最为广泛的一类方法，它通过压缩未知参数值的方式，同时实现变量选择和参数估计的目的。惩罚方法最初缘起于1995年，由加州大学伯克利分校统计学家L.布赖曼[注]提出的NNG（Non-Negative-Garrote）方法。具有里程碑意义的惩罚方法是由美国统计学家R.蒂施莱尼[注]在1996年提出的Lasso（least absolute shrinkage and selection operator）方法。