scikit learn之Elastic Net

最新推荐文章于 2025-03-29 21:18:18 发布

Victoria1997

最新推荐文章于 2025-03-29 21:18:18 发布

阅读量438

点赞数

分类专栏： scikit learn 文章标签： sklearn

本文链接：https://blog.csdn.net/weixin_43451186/article/details/86642688

版权

本文介绍了Elastic Net，这是一种结合了Lasso和Ridge回归特性的方法。通过官方文档的解释，清晰阐述了Elastic Net在回归问题中的作用和优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

弹性网络

弹性网络是一个lasso和ridge的结合
下图是官方文档的解释，感觉说的还是很清楚~
在这里插入图片描述

Lasso and Elastic Net

from itertools import cycle
from sklearn.linear_model import lasso_path,enet_path
from sklearn import datasets
import numpy as np
import matplotlib.pyplot as plt 

diabetes = datasets.load_diabetes()
x = diabetes.data
y = diabetes.target
x = x/x.std(axis=0)#对于每个变量标准化，(easier to set the l1_ratio parameter)
eps = 5e-3 
alphas_lasso,coef_lasso,_ = lasso_path(x,y,eps,fit_intercept = False)
#The alphas and coefs along the path where models are computed.
#注意后面的这个_，是用来填补后面的变量滴
alphas_positive_lasso,coef_positive_lasso,_ = lasso_path(x,y,eps,positive=True
                                                         ,fit_intercept = False)
#强制把系数约束为正数
alphas_en