我想在python中拟合具有负二项链接函数和L1正则化（lasso）的广义线性模型。 Matlab提供了很好的功能：
lassoglm(X,y, distr)
其中distr可以是泊松，二项式等。
我查看了statmodel和scikit-learn，但我没有找到任何可以使用的函数或示例，可以指导我找到解决方案。 在matlab中，似乎他们最小化了这个：
min (1/N * Deviance(β0,β) + λ * sum(abs(β)) )
其中，偏差取决于链接功能。
有没有办法用scikit或statsmodels轻松实现这个，或者我应该去cvxopt？
答案 0 :(得分：0)
statsmodels已经有一段fit_regularized。
没有docstring（我刚刚看到）。泊松的文档字符串具有相同的信息http://statsmodels.sourceforge.net/devel/generated/statsmodels.discrete.discrete_model.Poisson.fit_regularized.html 并且文档或单元测试中应该有一些示例。
它使用scipy slsqp的内部算法，或者如果安装了cvxopt，则可选。与最陡的下降或坐标下降方法相比，这仅适用于特征/解释变量的数量不是太大的情况。
GLM的弹性网坐标下降处于正在进行的拉动请求中，很可能在statsmodels 0.8中可用。