sklearn中随机套索和逻辑回归的差异？

Question

在python sklearn库中，支持RandomizedLogisticRegression和RandomizedLasso作为特征选择方法。

然而，他们都使用L1（Lasso）惩罚，我不确定为什么他们两个都被实施。事实上，我认为Lasso回归是L1正则化逻辑回归的另一个术语，但似乎可能存在一些差异。 我认为即使具有L1惩罚的线性SVM（结合重采样）也会产生类似的结果。

它们之间是否存在显着差异？

Answer 1

来自：http://scikit-learn.org/stable/modules/feature_selection.html#randomized-l1

  

RandomizedLasso使用Lasso实现回归设置的此策略，而RandomizedLogisticRegression使用逻辑回归，适用于分类任务。要获得完整的稳定性分数路径，可以使用lasso_stability_path。

RandomizedLasso用于回归，其中结果是连续的。另一方面，RandomizedLogisticRegression用于分类，其中结果是类标签。