在Statsmodels中实施LASSO回归？

Question

我很喜欢在statsmodels中使用线性LASSO回归，所以为了能够使用“公式”表示法来编写模型，这将为处理很多分类变量以及它们的交互时节省相当多的编码时间。但是，它似乎还没有在统计模型中实现？

Answer 1

Lasso确实在statsmodels中实施。该文档在以下链接给出：

http://www.statsmodels.org/dev/generated/statsmodels.regression.linear_model.OLS.fit_regularized.html

准确地说，在statsmodel执行同时具有L1和L2正则化，以通过L1_wt参数指示它们的相对重量。你应该看看底部的公式，以确保你正在做你想做的事。

Answer 2

可以使用scikit-learn的Patsy获得与statsmodels中的公式符号相同的结果。请参见下面的代码：具有X作为自变量，和y通常作为符号依赖一个

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) 

，我现在可以使用实现的任何模型scikit学习。