LASSO Regression ELasticNet

在这里插入图片描述
在这里插入图片描述

import numpy as np
from sklearn.pipeline import Pipeline
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import PolynomialFeatures
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error
from sklearn.linear_model import Lasso

def LassoRegression(degree,alpha):
    return Pipeline([
        ("poly", PolynomialFeatures(degree=degree)),
        ("std_scaler", StandardScaler()),
        ("lasso_reg", Lasso(alpha=alpha))
    ])

def plt_model(model,x,y):
    x_sort=np.sort(x,axis=0)
    y_predict_=model.predict(x_sort)
    plt.scatter(x, y)
    plt.plot(x_sort, y_predict_,color="r")
    plt.show()




x=np.random.uniform(-3,3,size=100)
X=x.reshape(-1,1)
y=0.5*x+3+np.random.normal(0,1,size=100)

train_X,test_X,train_y,test_y = train_test_split(X,y,test_size=0.3,random_state=66)
lasso=LassoRegression(10,0.01)
lasso.fit(train_X,train_y)

y_predict=lasso.predict(test_X)
print(mean_squared_error(test_y, y_predict))
# #

plt_model(lasso,X,y)



在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值