简单线性回归Lasso的应用及画图（三）

最新推荐文章于 2025-01-17 15:42:28 发布

chnhbhndchngn

最新推荐文章于 2025-01-17 15:42:28 发布

阅读量9.9k

点赞数 1

分类专栏： python笔记数据挖掘文章标签： LassoCV

本文链接：https://blog.csdn.net/a857553315/article/details/97049906

版权

上篇提到了Ridge，表现很好，避免了过拟合的情况，本文使用的模型是Lasso模型，就是在损失函数中加入了L1正则项，函数表达式如下：

代码如下：

import numpy as np
from sklearn.linear_model import LassoCV
from sklearn.preprocessing import PolynomialFeatures
import matplotlib.pyplot as plt
from sklearn.pipeline import Pipeline
from sklearn.exceptions import ConvergenceWarning
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = [u'simHei']
mpl.rcParams['axes.unicode_minus'] = False

import warnings

warnings.filterwarnings(action='ignore', category=ConvergenceWarning)
np.random.seed(0)
np.set_printoptions(linewidth=1000)
N = 7
x = np.linspace(0, 6, N) +  0.5 * np.random.randn(N)
x = np.sort(x)
y = x ** 2 - 4 * x - 3 +  2 * np.random.randn(N)