Lars没有在训练数据中捕获恒定的偏移量

Question

我正在使用scikit-learn库来拟合代理基本优化的模型。

这样做的时候，我遇到了一种奇怪的行为。 作为示例，请考虑以下最小问题：

import numpy as np
from sklearn.linear_model import Lars

fun = lambda x: x**2+1e5

x = py.linspace(-1,1,100)

X = np.array([
    x**0,
    x**1,
    x**2,
    x**3
]).T

y = fun(x)

lar_obj = Lars().fit(X,y)

for deg, coef in enumerate(lar_obj.coef_):
    print("%d: %s"%(deg,coef))

输出将是：

Out: 0: 0.0
     1: 0.0
     2: 1.0000000000019964
     3: 0.0

我期望零级多项式系数为1e5，但为0。

这是预期的行为吗？还是我做错了什么？