Question

我有一个非常大的数据集，其中包含100多个系数和数千个条目。因此，我想使用Lasso方法进行模型训练。

我目前正在查看sci-kit文档：

虽然实现看起来很简单，但是我无法找到允许限制非零系数的最大数量的输入参数，例如，到10。

更清楚一点，in the MatLab implementation of Lasso，参数＆＃39; DFMax＆＃39;允许上述内容。

在任何Python实现中都有这样的选项吗？

Answer 1

直接限制非零系数的数量是一个NP难问题，这是LASSO的优点之一，渐近地解决了这个NP难问题。

我不知道在Matlab中实现DFMax，但我的建议如下：

使用LassoCV查找最佳alpha值。
如果非零系数的数量小于您的限制，请取此Alpha值。
如果非零系数的数量大于您的限制，请使用Lasso和增加alphas的列表，并将LassoCV的alpha作为最小值，并在非零系数的数量等于或低于阈值时停止。

Answer 2

我认为公认的答案不是最好的。这是查找一定数量的套索系数的示例。

from sklearn.linear_model import LogisticRegression
from sklearn.datasets import make_classification
from scipy.optimize import differential_evolution

X, y = make_classification(n_samples=2000, n_features=50, n_informative=10, random_state=10)
logit = LogisticRegression(penalty='l1', C=1.0)

target = 10

def func(C):
    logit = LogisticRegression(penalty='l1', C=C[0], solver='liblinear')
    logit.fit(X, y)
    n_nonzero = np.sum(logit.coef_ != 0)
    return (target-n_nonzero)**2

differential_evolution(func, bounds=[(0, 2)], tol=0.1, maxiter=20)

     fun: 0.0
 message: 'Optimization terminated successfully.'
    nfev: 212
     nit: 13
 success: True
       x: array([0.03048243])

logit = LogisticRegression(penalty='l1', C=0.03048243, solver='liblinear')
logit.fit(X, y)
np.sum(logit.coef_ != 0)

我们找到了最佳正则化参数，以便精确具有10个非零系数。

Python LASSO最大非零系数数

2 个答案: