Scikit-learn允许将样本权重提供给线性，逻辑和脊回归（以及其他），但不能提供弹性网或套索回归。通过样本权重，我的意思是输入的每个元素（和相应的输出）具有不同的重要性，并且应该对与其权重成比例的估计系数产生影响。
在将数据传递给ElasticNet.fit（）以合并我的样本权重之前，有没有办法可以操作我的数据？
如果没有，是否存在不可能的根本原因？
谢谢！
答案 0 :(得分：5)
您可以在sklearn＆＃39; issue-tracker中阅读有关此内容的一些讨论。
它的基本内容如下：
正如你在这个帖子和linked one about adaptive lasso中看到的，那里没有太多的活动（可能是因为没有多少人关心，相关的论文不够流行;但这只是一个猜测）
根据你的具体任务（大小？稀疏度？），你可以很容易地基于scipy.optimize构建自己的优化器，支持这种样本权重（这会慢一点，但又健壮又精确）！