使用 LARS 的 Lasso 路径#
使用 LARS 算法计算糖尿病数据集上沿正则化参数的 Lasso 路径。每种颜色代表系数向量的不同特征,并将其显示为正则化参数的函数。
Computing regularization path using the LARS ...
.
# Author: Fabian Pedregosa <[email protected]>
# Alexandre Gramfort <[email protected]>
# License: BSD 3 clause
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model
X, y = datasets.load_diabetes(return_X_y=True)
print("Computing regularization path using the LARS ...")
_, _, 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()
脚本总运行时间:(0 分钟 0.098 秒)
相关示例
L1- Logistic 回归的正则化路径
使用多任务 Lasso 进行联合特征选择
Lasso 和弹性网络
绘制 Ridge 系数作为正则化的函数