关于Lasso回归，正确的选项是 A 和 B。

以下是对每个选项的专业分析：

- **A: 可以使用梯度下降的方法来求最优解**
- **正确。**
Lasso回归可以使用梯度下降法来求解。梯度下降法是一种常用的优化算法，适用于Lasso回归中惩罚项的优化过程。虽然直接梯度下降在处理L1范数（Lasso的惩罚项）时可能有收敛性问题，但可以通过一些变体或结合近似方法来实现。

- **B: 可以使用坐标下降的方法来求最优解**
- **正确。**
坐标下降是求解Lasso回归问题的经典方法之一。由于Lasso的目标函数是凸的且各坐标的子问题可以独立求解，坐标下降法逐一优化各个参数，在实践中表现良好。

- **C: 使用的是L2范式**
- **错误。**
Lasso回归使用的是L1范数作为其惩罚项，而非L2范数。L2范数是岭回归所使用的惩罚项。

- **D: 不能做特征筛选**
- **错误。**
Lasso回归的一个主要优点是可以进行特征选择。由于L1惩罚的特性，Lasso回归会使得一部分特征的系数变为零，从而实现特征选择。

因此，Lasso回归可以使用梯度下降和坐标下降方法来求解，并且能够实现特征筛选，而使用的是L1范数而不是L2范数。