相关视频
在这种方法中,在每个步骤中选择最相关的变量,其方向在两个预测因子之间是等角的。
在本教程中,我们将学习如何用Python中的LARS和Lasso Lars算法拟合回归数据。我们将在本教程中估计住房数据集。这篇文章包括
准备数据
如何使用LARS
如何使用Lasso LARS
让我们从加载所需的包开始。
from sklearn import linear_model准备数据
我们将加载波士顿的数据集,并将其分成训练和测试两部分。
boston = load_boston()
xtrain, xtest, ytrain, ytest=train\_test\_split(x, y, test_size=0.15)如何使用LARS
我们将用Lars()类定义模型(有默认参数),并用训练数据来拟合它。
Lars().fit(xtrain, ytrain)
并检查模型的系数。
接下来,我们将预测测试数据并检查MSE和RMSE指标。
mean\_squared\_error(ytest, ypred)
print("MSE: %.2f" % mse)
MSE: 36.96
print("RMSE: %.2f" % sqrt(mse))
RMSE: 6.08
最后,我们将创建绘图,使原始数据和预测数据可视化。
plt.show()如何使用Lasso Lars
LassoLars是LARS算法与Lasso模型的一个实现。我们将用LassoLars()类定义模型,将α参数设置为0.1,并在训练数据上拟合模型。
左右滑动查看更多
01
02
03
04
LassoLars(alpha =.1).fit(xtrain, ytrain)
我们可以检查系数。
接下来,我们将预测测试数据并检查MSE和RMSE指标。
predict(xtest)
print("MSE: %.2f" % mse)
MSE: 45.59
print("RMSE: %.2f" % sqrt(mse))
RMSE: 6.75
最后,我们将创建绘图,使原始数据和预测数据可视化。
plt.show()
在本教程中,我们已经简单了解了如何用LARS和Lasso Lars算法来拟合和预测回归数据。
参考文献
Least Angle Regression,by Efron Bradley; Hastie Trevor; Johnstone Iain; Tibshirani Robert (2004)
Least-Angel Regression, Wikipedia
领取专属 10元无门槛券
私享最新 技术干货