We introduce L0Learn: an open-source package for sparse regression and classification using L0 regularization. L0Learn implements scalable, approximate algorithms, based on coordinate descent and local combinatorial optimization. The package is built using C++ and has a user-friendly R interface. Our experiments indicate that L0Learn can scale to problems with millions of features, achieving competitive run times with state-of-the-art sparse learning packages. L0Learn is available on both CRAN and GitHub.

翻译：我们引入了 L0Learn: 一个使用 L0 正规化的稀薄回归和分类的开放源码包。 L0Learn 执行基于协调下行和本地组合优化的可缩放的近似算法。 这个包是使用 C++ 构建的, 并有一个方便用户的 R 界面。 我们的实验显示, L0Learn 能够缩小成百上千万个特性的问题, 实现最先进的稀有学习包的竞争运行时间。 L0Learn 可以在 CRAN 和 GitHub 上找到 。