sklearn机器学习：特征选择-Lasso

Lasso的核心作用：特征选择

Lasso类的格式

sklearn.linear_model.Lasso (alpha=1.0, fit_intercept=True, normalize=False, precompute=False, copy_X=True, max_iter=1000, tol=0.0001, warm_start=False, positive=False, random_state=None, selection=’cyclic’)
sklearn中使用类Lasso来调用lasso回归，众多参数中，比较重要的就是正则化系数α。另外需要注意的就是参数positive。当这个参数为"True"的时候，要求Lasso回归出的系数必须为正数，以此来保证α一定以增大来控制正则化的程度。
注意，sklearn中使用的损失函数是：
$$\underset{\mathbf{\omega }}{\min }\frac{1}{2\mathbf{m}}||\mathbf{X}\mathbf{\omega }-\mathbf{y}|{|}_2{}^2+\mathbf{\alpha }||\mathbf{\omega }|{|}_1$$
其中 1 2 m \Large\frac1{2m}