Lasso概念及scikit-learn实战

基本概念

岭回归相比,Lasso采用增加L1正则化的方式,其目标函数为

Lasso概念及scikit-learn实战

其中Lasso概念及scikit-learn实战称为L1正则化项,Lasso概念及scikit-learn实战称为正则化项的系数。与L2正则化相比,L1正则化会使得部分参数为零。这个特性可被用于特征选择或者降维。

代码实现

假设目标函数为Lasso概念及scikit-learn实战

已知当Lasso概念及scikit-learn实战Lasso概念及scikit-learn实战Lasso概念及scikit-learn实战时,Lasso概念及scikit-learn实战,当Lasso概念及scikit-learn实战Lasso概念及scikit-learn实战, Lasso概念及scikit-learn实战时,Lasso概念及scikit-learn实战,设置正则化项的系数为0.5

则Lasso回归求参数的代码如下所示

from sklearn import linear_model
rep = linear_model.Lasso(alpha=0.5)
rep.fit([[a1,b1,c1],[a2,b2,c2]],[d1,d2])
print(rep.coef_)
print(reg.intercept_)

上一篇:Android基础总结(五)


下一篇:最短路