我应该使用 LassoCV 还是 GridSearchCV 来为套索找到最佳的 alpha？
Should I use LassoCV or GridSearchCV to find an optimal alpha for Lasso?
根据我的理解，在使用Lasso回归时，可以在sklearn中使用GridSearchCV或LassoCV来找到最优的alpha，正则化参数。哪个比另一个更受欢迎？
两者都可以获得相同的结果。 LassoCV 让您将一组 alpha 值传递给 alphas 以及将交叉验证参数直接传递给分类器，从而使它变得更容易。
要对 GridSearchCV 做同样的事情，您必须将 Lasso 分类器传递给它一个 alpha 值网格（即 {'alpha':[.5, 1, 5]}）和 CV参数。
虽然我不会推荐其中之一。我能看到的唯一优势是，如果您使用 GridSearchCV，您可以访问 results_ 以及许多其他属性。如果您想要您尝试过的 alpha 返回的所有模型的摘要，这可能会有所帮助。另一方面，正如@amiola 所指出的，LassoCV 可以利用在交叉验证过程的先前步骤（也称为热启动）中使用预先计算的结果，这可能会导致更快的拟合时间。
根据我的理解，在使用Lasso回归时，可以在sklearn中使用GridSearchCV或LassoCV来找到最优的alpha，正则化参数。哪个比另一个更受欢迎？
两者都可以获得相同的结果。 LassoCV 让您将一组 alpha 值传递给 alphas 以及将交叉验证参数直接传递给分类器，从而使它变得更容易。
要对 GridSearchCV 做同样的事情，您必须将 Lasso 分类器传递给它一个 alpha 值网格（即 {'alpha':[.5, 1, 5]}）和 CV参数。
虽然我不会推荐其中之一。我能看到的唯一优势是，如果您使用 GridSearchCV，您可以访问 results_ 以及许多其他属性。如果您想要您尝试过的 alpha 返回的所有模型的摘要，这可能会有所帮助。另一方面，正如@amiola 所指出的，LassoCV 可以利用在交叉验证过程的先前步骤（也称为热启动）中使用预先计算的结果，这可能会导致更快的拟合时间。