Python LASSO最大非零系数个数

Question

我有一个非常大的数据集，其中包含 100 多个系数和数千个条目。因此，我想使用 Lasso 方法进行模型训练。

我目前正在查看以下 sci-kit 文档：

虽然实现看起来很简单，但我无法找到允许限制非零系数最大数量的输入参数，例如到 10.

为了更清楚，in the MatLab implementation of Lasso，参数 'DFMax' 允许上述。

在任何 Python 实现中是否有这样的选项？

Answer 1

直接限制非零系数的个数是一个NP-hard问题，这也是LASSO渐近解决这个NP-hard问题的妙处之一。

我不知道 DFMax 在 Matlab 中的实现，但我的建议是执行以下操作：

使用 LassoCV 找到最佳 alpha 值。
如果非零系数的数量小于您的限制，则采用此 alpha 值。
如果非零系数的数量大于您的限制，请使用套索和递增的 alpha 列表，以您的 LassoCV 的 alpha 作为最小值，并在非零系数的数量等于或低于您的阈值时停止。

Answer 2

我认为接受的答案不是最好的。下面是一个求一定数量的Lasso系数的例子。

from sklearn.linear_model import LogisticRegression
from sklearn.datasets import make_classification
from scipy.optimize import differential_evolution

X, y = make_classification(n_samples=2000, n_features=50, n_informative=10, random_state=10)
logit = LogisticRegression(penalty='l1', C=1.0)

target = 10

def func(C):
    logit = LogisticRegression(penalty='l1', C=C[0], solver='liblinear')
    logit.fit(X, y)
    n_nonzero = np.sum(logit.coef_ != 0)
    return (target-n_nonzero)**2

differential_evolution(func, bounds=[(0, 2)], tol=0.1, maxiter=20)

     fun: 0.0
 message: 'Optimization terminated successfully.'
    nfev: 212
     nit: 13
 success: True
       x: array([0.03048243])

logit = LogisticRegression(penalty='l1', C=0.03048243, solver='liblinear')
logit.fit(X, y)
np.sum(logit.coef_ != 0)

我们找到了最佳正则化参数，以便恰好有 10 个非零系数。

Python LASSO最大非零系数个数

Python LASSO maximum number of non-zero coefficients

python

matlab

scipy

scikit-learn

lasso-regression