python - 如何配置套索回归不惩罚某些变量？

Question

我正在尝试在 python 中使用套索回归。我目前在 scikit-learn 库中使用套索函数。

我希望我的模型在训练时不要惩罚某些变量。 (只惩罚其余的变量)

下面是我目前的训练代码

rg_mdt = linear_model.LassoCV(alphas=np.array(10**np.linspace(0, -4, 100)), fit_intercept=True, normalize=True, cv=10)
rg_mdt.fit(df_mdt_rgmt.loc[df_mdt_rgmt.CLUSTER_ID == k].drop(['RESPONSE', 'CLUSTER_ID'], axis=1), df_mdt_rgmt.loc[df_mdt_rgmt.CLUSTER_ID == k, 'RESPONSE'])

df_mdt_rgmt 是数据集市，我试图让某些列的系数保持非零。

R 中的 glmnet 提供了让我执行此操作的“惩罚因子”参数，但我如何在 python scikit-learn 中执行此操作？

下面是我在 R 中的代码

get.Lassomodel <- function(TB.EXP, TB.RSP){
  VT.PEN <- rep(1, ncol(TB.EXP))
  VT.PEN[which(colnames(TB.EXP) == "DC_RATE")] <- 0
  VT.PEN[which(colnames(TB.EXP) == "FR_PRICE_PW_REP")] <- 0

  VT.GRID <- 10^seq(0, -4, length=100)

  REG.MOD <- cv.glmnet(as.matrix(TB.EXP), as.matrix(TB.RSP), alpha=1, 
  lambda=VT.GRID, penalty.factor=VT.PEN, nfolds=10, intercept=TRUE)

  return(REG.MOD)
}

Answer 1

恐怕你做不到。当然这不是一个理论问题，而只是一个设计决策。

我的推理是基于可用的 API虽然有时有未记录的功能，但这次我认为没有你需要的，因为 user-guide已经以 1-factor-norm-of-all 形式发布了这个问题 alpha*||w||_1

根据您的设置，您可能会修改 sklearn 的代码(有点害怕 CD 调优)或者甚至使用 scipy.optimize 实现自定义目标(尽管后者可能有点慢)。

这里是一些展示 scipy.optimize 方法的例子。我通过删除拦截简化了问题。

""" data """
import numpy as np
from sklearn import datasets
diabetes = datasets.load_diabetes()
A = diabetes.data[:150]
y = diabetes.target[:150]
alpha=0.1
weights=np.ones(A.shape[1])

""" sklearn """
from sklearn import linear_model
clf = linear_model.Lasso(alpha=alpha, fit_intercept=False)
clf.fit(A, y)

""" scipy """
from scipy.optimize import minimize
def lasso(x):  # following sklearn's definition from user-guide!
    return (1. / (2*A.shape[0])) * np.square(np.linalg.norm(A.dot(x) - y, 2)) + alpha * np.linalg.norm(weights*x, 1)

""" Test with weights = 1 """
x0 = np.zeros(A.shape[1])
res = minimize(lasso, x0, method='L-BFGS-B', options={'disp': False})
print('Equal weights')
print(lasso(clf.coef_), clf.coef_[:5])
print(lasso(res.x), res.x[:5])

""" Test scipy-based with special weights """
weights[[0, 3, 5]] = 0.0
res = minimize(lasso, x0, method='L-BFGS-B', options={'disp': False})
print('Specific weights')
print(lasso(res.x), res.x[:5])

输出:

Equal weights
12467.4614224 [-524.03922009  -75.41111354  820.0330707    40.08184085 -307.86020107]
12467.6514697 [-526.7102518   -67.42487561  825.70158417   40.04699607 -271.02909258]
Specific weights
12362.6078842 [ -6.12843589e+02  -1.51628334e+01   8.47561732e+02   9.54387812e+01
  -1.02957112e-05]