python - 拟合后访问套索回归系数

Question

在获得 Lambda 的最佳值后，我正在尝试套索回归，现在的问题是，我想获得系数(权重向量)，因为我想将它们与 Ridge 回归的权重进行比较。

lasso = Lasso(alpha=optimal_lmbda, fit_intercept=True, random_state=1142, max_iter=5000)
lasso.fit(X_train, y_train)
y_pred_lasso = lasso.predict(X_test)

如何在 Sklearn 的 python 中拟合套索回归后获得系数(权重向量)？

Answer 1

只需按照 sklearn.linear_model.Lasso 的文档操作即可

# Build lasso and fit
lasso = Lasso(...)
lasso.fit(...)

# Read out attributes
coeffs = lasso.coef_         # dense np.array
coeffs = lasso.sparse_coef_  # sparse matrix

coeffs = lasso.intercept_    # probably also relevant

根据评论更新:

• lasso.coef_ 和 lasso.sparse_coef_ 有什么区别
  • type，如在线评论和文档中所述。 numpy-array 或 sparse-matrix (来自 scipy.sparse)。后者是相关的，如果你有很多变量，并且其中许多是零，因为强正则化(l1 已知会影响许多零)。那么存储 0 是没有用的，这就是稀疏数据结构的用途。 scipy 中没有密集向量类型，因此使用稀疏矩阵。内容是一样的!