我希望能够在statsmodels中使用线性LASSO回归，以便使用“公式”符号来编写模型，这将为我在处理许多分类变量及其交互作用时节省大量编码时间。然而，似乎statsmodels尚未实现此功能？
2个回答
19
Lasso方法确实在statsmodels中实现。以下链接给出了相关文档：
http://www.statsmodels.org/dev/generated/statsmodels.regression.linear_model.OLS.fit_regularized.html
要精确说明，在statsmodel中，Lasso方法有L1和L2正则化，并且它们的相对权重由L1_wt参数指示。您应该查看底部的公式，确保做的是您想要的。除了弹性网实现外，statsmodels还实现了平方根Lasso方法。
- DiveIntoML
1
2正确！当我读到statsmodels使用弹性网络正则化时，我停下了。现在你让我意识到LASSO和岭回归正则化只是弹性网络正则化的特殊情况。谢谢！ - famargar
0
可以使用Patsy与scikit-learn一起使用，以获得在statsmodels中使用公式符号所得到的相同结果。请参见以下代码：
from patsy import dmatrices
# create dummy variables, and their interactions
y, X = dmatrices('outcome ~ C(var1)*C(var2)', df, return_type="dataframe")
# flatten y into a 1-D array so scikit-learn can understand it
y = np.ravel(y)
现在我可以使用scikit-learn中实现的任何模型，使用X作为自变量，y作为因变量的通常符号。
- famargar
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接