在大数据的回归分析中，Python 提供了多个库和模块可以使用。根据选项，我们可以分析如下：

A: `import statsmodels.formula.api as smf`
Statsmodels 是一个用于统计建模的库，其中 `smf` 提供了方便的公式接口来进行回归分析。它适合于需要进行详细统计检验和诊断的场合。

B: `from sklearn import linear_model`
Scikit-learn 是一个用于机器学习的库，`linear_model` 模块提供了多种线性回归算法，包括普通最小二乘（OLS）、岭回归、Lasso 回归等。适合于大规模数据集的高效回归分析。

C: `import seaborn as sns`
Seaborn 是一个用于数据可视化的库，主要用于绘制统计图表，不能直接用于回归分析。

D: `from sklearn.linear_model import lasso`
这也是 Scikit-learn 的一部分，`lasso` 是一种特定类型的线性回归（Lasso 回归），用于特征选择和正则化。

综合来看，选项 A 和 B 是最常用于回归分析的语法。其中 B 是更为通用的选择，适合大数据集的高效处理。

因此，正确答案是：B: `from sklearn import linear_model`。