使用 Python 进行 Lasso 回归：简单问题答案

【问题标题】：Lasso Regression with Python: Simple Question使用 Python 进行 Lasso 回归：简单问题
【发布时间】：2019-06-17 09:51:30
【问题描述】：

假设我有一个值表：

df = pd.DataFrame({'Y1':[1, 2, 3, 4, 5, 6], 'X1':[1, 2, 3, 4, 5, 6], 'X2':[1, 1, 2, 1, 1, 1], 
              'X3':[6, 6, 6, 5, 6, 4], 'X4':[6, 5, 4, 3, 2, 1]})

我想使用所有这些值作为我的测试集进行简单的 Lasso 回归，其中 Y1 是因变量，所有 X1...X4 都是自变量。我试过使用以下方法：

from sklearn.linear_model import Lasso
Lasso(alpha = 0.0001).fit(df, df['Y1'])

但它没有给我想要的系数。我该如何执行这个简单的任务？谢谢。

【问题讨论】：

如果结果不是您想要的，您可能需要对模型进行超调？代码中似乎没有任何错误。我希望你使用model = Lasso(alpha = 0.0001).fit(df, df['Y1']) 然后model.coef_ 来查看系数。
这就是我正在做的，但我仍然没有得到我期望的结果。我希望系数为 [1, 1, 0, 0,-1]，但我只是得到 [1, 0, -0, -0, -0]

标签： python pandas scikit-learn regression lasso-regression

【解决方案1】：

我认为您不完全理解系数的含义。首先，您不应该在所有变量上回归'Y1'（包括'Y1'）。不要在自变量中包含'Y1'：

Lasso(alpha = 0.0001).fit(df[['X1','X2','X3','X4']], df['Y1'])

套索只是一种“缩小”线性模型的自变量集的方法（通过尝试找到能够很好地预测因变量的自变量子集）。您需要了解的是线性回归在做什么。请记住，线性回归的目标是创建可用于预测因变量值的线性模型。您可能会提出以下模型（这是您在进行线性回归时要解决的问题 - 特别是您正在解决系数）：

Y1 = b1*X1 + b2*X2 + b3*X3 + b4*X4

现在，如果我们使用您建议的系数（留下'Y1'），那么模型将是：

Y1 = Y1 + X1 - X4

但是你很明显可以看出这并不能很好地预测'Y1'。我们可以将模型更改为：

Y1 = Y1

'Y1' 完美地预测了'Y1' (duh)。这就是为什么你的系数输出是[ 1, 0, -0, -0, -0]。但是，这不是我们在运行回归时想要的。就像我之前说的，你想把'Y1' 排除在回归之外。因此，使用您建议的系数并忽略'Y1'，您的模型将是：

Y1 = X1 - X4

再次注意，这并不能很好地预测'Y1'（您可以从数据集中测试一些点）。相反，您可以使用以下模型来完美预测'Y1'：

Y1 = X1

因此，如果你对'X1','X2','X3','X4' 进行套索回归'Y1'，你应该得到[1, 0, 0, 0] 的系数。

【讨论】：