【代码】Lasso回归模型-简单例子

在sklearn中，可以通过linear_model.Lasso函数来实现一个Lasso回归模型，本文展示一个使用sklearn实现线Lasso回归模型的完整Demo代码，通过本文可以了解如何调用sklearn来实现Lasso回归模型，以及它的实现效果。

一、sklearn实现Lasso回归

下面展示一个python的sklearn中实现Lasso回归的Demo，Demo先是简单生成了数据，并设置正则系数,
然后调用sklearn的Lasso回归包，训练模型，最后展示回归的结果， 具体代码实现如下：

"""
本代码展示一个简单的sklearn实现LASSO回归的Demo代码
本代码来自《老饼讲解-机器学习》www.bbblearn.com
"""
from sklearn.linear_model import Lasso
import numpy as np

# --------------生成数据----------------
x = np.array([list(range(100)), [i*4+3 for i in range(100)]]).T                 # 变量x
y = x.dot([2,3])                                                                # 输出y
																			    
# -------------Lasso模型训练------------                                        
alpha = 0.3                                                                     # 设置alpha系数
clf   = Lasso(alpha=alpha,fit_intercept=True,tol=1e-4,max_iter=1000)            # 初始化Lasso回归模型
clf.fit(x,y)                                                                    # 用数据训练模型
py = clf.predict(x)                                                             # 预测结果
												            
# -------------打印结果------------------                               
loss = ((y-py)**2).sum()/(2*x.shape[0])+alpha*(abs(clf.coef_.sum()))            # 计算损失值
print('\n=========Lasso训练结果=========')                                      # 打印结果
print('权重:',clf.coef_)                                                        # 打印模型的权重
print('截距:', clf.intercept_)                                                  # 打印模型的阈值
print('均方误差:',((y-py)**2).mean())                                           # 均方误差 
print('损失函数loss值:',loss)                                                   # 打印损失值
print('迭代次数:',clf.n_iter_)                                                  # 打印迭代次数
print('对偶间隙:',clf.dual_gap_)                                                # 打印对偶间隙

代码运行结果如下：

好了，以上就是sklearn实现Lasso回归的一个简单Demo了~

结束语

这里展示了用sklearn训练Lasso回归的一个简单DEMO例子，这主要是用于来与自实现代码的结果进行对比，确保自实现代码是正确复现sklearn中的Lasso回归的。