sklearn中随机套索和逻辑回归的区别？
Difference in Randomized Lasso and logistic regression in sklearn?
在 python sklearn 库中，支持 RandomizedLogisticRegression 和 RandomizedLasso 作为特征选择方法。
不过都是用L1(Lasso) penalty，不知道为什么都用了。事实上，我虽然认为 Lasso 回归是 L1-regularized logistic 回归的另一个术语，但似乎有一些区别。
我认为即使是带 L1 惩罚的线性 SVM（结合重采样）也会产生类似的结果。
它们之间有显着差异吗？
发件人：http://scikit-learn.org/stable/modules/feature_selection.html#randomized-l1
RandomizedLasso implements this strategy for regression settings, using the Lasso, while RandomizedLogisticRegression uses the logistic regression and is suitable for classification tasks. To get a full path of stability scores you can use lasso_stability_path.
RandomizedLasso 用于结果连续的回归。另一方面，RandomizedLogisticRegression 用于 classification，其中结果是 class 标签。
在 python sklearn 库中，支持 RandomizedLogisticRegression 和 RandomizedLasso 作为特征选择方法。
不过都是用L1(Lasso) penalty，不知道为什么都用了。事实上，我虽然认为 Lasso 回归是 L1-regularized logistic 回归的另一个术语，但似乎有一些区别。 我认为即使是带 L1 惩罚的线性 SVM（结合重采样）也会产生类似的结果。
它们之间有显着差异吗？
发件人：http://scikit-learn.org/stable/modules/feature_selection.html#randomized-l1
RandomizedLasso implements this strategy for regression settings, using the Lasso, while RandomizedLogisticRegression uses the logistic regression and is suitable for classification tasks. To get a full path of stability scores you can use lasso_stability_path.
RandomizedLasso 用于结果连续的回归。另一方面，RandomizedLogisticRegression 用于 classification，其中结果是 class 标签。