Lasso 回归模型与 GridSearchCV 有收敛警告答案

【问题标题】：Lasso regression model has convergence warnings with GridSearchCVLasso 回归模型与 GridSearchCV 有收敛警告
【发布时间】：2021-12-07 11:15:21
【问题描述】：

这是我的代码：

from sklearn.linear_model import Lasso
from sklearn.model_selection import GridSearchCV
import numpy as np

alpha_space = {'alpha': np.logspace(-4, 0, 50)}
lasso = Lasso(normalize=True,  tol=0.0001)
grid_search_lr = GridSearchCV (lasso, alpha_space, cv=3, scoring="neg_mean_squared_error")
grid_search_lr.fit(X_tr, y_tr)

print(grid_search_lr.best_params_)
print(np.sqrt(-grid_search_lr.best_score_))

但是当我去运行它时，在答案之前我至少收到了 20 个这样的警告：

/usr/local/lib/python3.7/dist-packages/sklearn/linear_model/_coordinate_descent.py:476: ConvergenceWarning: Objective did not converge. You might want to increase the number of iterations. Duality gap: 8451216620580.201, tolerance: 12888767617.309622

积极的）

我应该怎么做才能修复或阻止这些警告？

【问题讨论】：

标签： python machine-learning scikit-learn gridsearchcv lasso-regression

【解决方案1】：

Lasso 估计器使用迭代算法来解决优化问题。迭代算法在达到所需的收敛水平时停止（使用容差tol 设置）。为了避免让算法执行过多的迭代（并且可能永远不会停止），算法也会在执行最大次数的迭代时停止 (max_iter)。在这种情况下，它会发出警告，指出它未能达到所需的收敛水平。

为避免收敛警告，您可以：

增加容差tol（以要求不那么严格的收敛级别）
增加最大迭代次数max_iter（以花更多时间寻找收敛水平）

【讨论】：