Question

我正在sklearn中进行一个回归项目，在该项目中，我对各种数值和类别变量使用了LASSO回归。分类变量是使用One-hot-encoder方法转换的。

由于特征矩阵从一开始就进行了归一化，所以最终LASSO模型中系数的绝对值应该能够代表模型的相对重要性。

但是，我无法找出比较数字变量和分类变量之间重要性的方法。例如（使用平方英尺和家庭类型来预测房价）：

Feature         Coefficient
sqft             114.35
type_house       67.11
type_apartment   -23.97
type_condo       5.14

比较sqft和类型的重要性的合理方法应该是什么？

Answer 1

LASSO允许特征选择，但是可以通过估计具有变化的λ（惩罚系数）的模型来进行。只需在y-axis上绘制估计系数，在x-axis上绘制λ。这将使您看到变量重要性随着正则化惩罚的增加而变化。

Here，您将找到更多详细的描述（图片来源）。您可以看到的是，wt是最重要的变量之一，因为即使惩罚（λ）为高> 1，它仍然具有与零不同的值。