Lasso regresyon, ağırlıkları sıfıra yakın olan gereksiz özellikleri filtrelemek için kullanılan bir regresyon yöntemidir. Lasso (Least Absolute Shrinkage and Selection Operator), regresyon katsayılarının toplamı yerine katsayıların mutlak değerlerinin toplamını cezalandırır. Bu sayede, bazı katsayılar sıfıra indirgenerek model daha basitleştirilir ve daha iyi genelleme yapabilir hale gelir.
Lasso regresyon, özellik seçimi yaparken etkili bir yöntemdir. Özellik sayısını azaltarak modelin daha iyi yorumlanabilir olmasını sağlar ve aşırı uydurmayı (overfitting) önler. Lasso regresyonunun bir diğer avantajı, regresyon katsayılarını sıfıra indirerek, modelin daha iyi bir genelleme yapmasını sağlamaktır. Bu özellikleri nedeniyle özellik seçimi ve düzenlileştirme (regularization) için sıkça kullanılan bir yöntemdir.