sklearn有团体套索吗？

Question

我有兴趣使用组套索解决我遇到的问题。 Here是算法的链接。我知道R有一个光滑的实现，但很想知道python是否有类似的东西。

我认为sklearn.linear_model.MultiTaskLasso可能有点相似，但我不确定。任何人都可以对此有所了解吗？

Answer 1

据我所知，scikit-learn不提供此实现，我也对此进行了研究。

| ID 1 | ID 2 | ID 3 | price_8 | price_10 | |:-----------|------------:|:------------:|:------------:|:------------:| | 00001 | 01 | 0001 |5000 | 6000 | | 00001 | 02 | 0001 |null | null | | 00001 | 01 | 0002 |null | null | 做其他事情。从documentation： “ MultiTaskLasso是一个线性模型，用于联合估计多个回归问题的稀疏系数：MultiTaskLasso是形状为（y的2D数组。约束是，所有要素的选定特征都相同回归问题，也称为任务。”

换句话说，n_samples, n_tasks是套索的实现，它可以同时预测多个目标（因此MultiTaskLasso是2D数组）。已知此问题的另一种方法是“多输出回归”或“ multi-target regression'”。如果任务相关，则此类方法可以改进尝试分别为每个任务或目标建模的方法。

Answer 2

在this issue in the sklearn repo中讨论了是否在sklearn中实施Group Lasso，其中到目前为止的结论是，如果将其包含在master中，那么它就不足以证明需要的维护。 / p>

因此，我实现了一个GroupLasso类，该类在我的python / cython软件包celer中传递了sklearn的check_estimator()，该类替代了sklearn的Lasso，MultitaskLasso，稀疏Logistic回归更快的求解器。

求解器使用坐标下降，工作集方法和外推法，这应该可以解决具有数百万个特征的问题。

它支持稀疏和密集数据，以及居中和规范化（居中的稀疏数据并不重要，因为它破坏了设计矩阵的稀疏性），并带有GroupLassoCV类来执行交叉验证。 在celer's documentation, there is an example中显示了如何使用它。