當前位置：
首頁 >
7.LARS lasso 模型
發(fā)布時間：2025/4/16
39
豆豆
生活随笔
收集整理的這篇文章主要介紹了
7.LARS lasso 模型
小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.
LassoLars 是一個使用LARS算法實現(xiàn)的lasso模型。和基于坐標下降的實現(xiàn)不同的是，它產(chǎn)生的是精確的解，和一個函數(shù)標準系數(shù)一樣是精確線性的。
1.1 數(shù)學(xué)描述
這個算法和逐步回歸很相似，但是除了在每一步包含變量之外，估計的參數(shù)沿著每一個對應(yīng)的殘差的對角方向增長。（待校正）。 并不是給出一個向量結(jié)果，而是在LARS的解中包含了一個曲線，用來表示每個參數(shù)向量的L1-norm 值的解， 所有系數(shù)路徑存在?coef_path_?數(shù)組中，大小為(n_features,max_features+1)，其中第一列總是0.
import numpy as np import matplotlib.pyplot as pltfrom sklearn import linear_model from sklearn import datasetsdiabetes = datasets.load_diabetes() X = diabetes.data y = diabetes.targetprint("Computing regularization path using the LARS ...") alphas, _, coefs = linear_model.lars_path(X, y, method='lasso', verbose=True)xx = np.sum(np.abs(coefs.T), axis=1) xx /= xx[-1]plt.plot(xx, coefs.T) ymin, ymax = plt.ylim() plt.vlines(xx, ymin, ymax, linestyle='dashed') plt.xlabel('|coef| / max|coef|') plt.ylabel('Coefficients') plt.title('LASSO Path') plt.axis('tight') plt.show()
總結(jié)
以上是生活随笔為你收集整理的7.LARS lasso 模型的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 6.最小角回归（Least Angle
- 下一篇： 8.正交匹配跟踪 Orthogonal