我有兴趣解决以下问题

$$\min_{\boldsymbol{\beta}} \left( \mathbf{y}-\mathbf{X}\boldsymbol{\beta} \right)^T W \left( \mathbf{y}-\mathbf{X}\boldsymbol{\beta} \right) + \lambda \left|\boldsymbol{\beta}\right|_1$$

$\mathbf{y}$是每个数据集的观测向量。

$\mathbf{X}$是预测变量矩阵。

$\boldsymbol{\beta}$ 是回归系数的集合。

$\mathbf{W}$是一个用正实数填充的对角矩阵。

使用 LARS-Lasso 方法。是否有任何现有的包可以做到这一点，这意味着它接受每个的权重作为输入？

由于需要完成数据集的所有规范化（居中和缩放），我犹豫是否预处理我的数据并将观察和预测变量与$\sqrt{W}$相乘并将其输入算法。