我们如何求解LASSO 回归？

因此对于 LASSO 回归我们可以用以下代码来求解：

importnumpy asnp

defLasso(X, y, Lambda):

n = X.shape[ 1]

w = np.random.randn(n) # 随机初始化 w

fori inrange( 10): #迭代10次

fork inrange(n):

y_res = y - np.dot(X, w) + X[:,k] * w[k]

inner = np.dot(X[:,k], y_res)

ifinner > Lambda:

w[k] = (inner - Lambda)/(np.linalg.norm(X[:,k])** 2)

elifinner < -Lambda:

w[k] = (inner + Lambda)/(np.linalg.norm(X[:,k])** 2)

else:

w[k] = 0

print( '第'+str(i+ 1)+ '步损失函数的值:'+ str(np.linalg.norm(y-np.dot(X,w))** 2+Lambda*np.linalg.norm(w,ord= 1))) # 输出损失函数大小

returnw

X = np.random.randn( 10, 20)

y = np.random.randn( 10)

Lasso(X,y, 0.2)

上述代码就是对lasso回归的使用，我么可以将其作为参考进行应用。