如何从循环通过多个 alpha 的套索回归中提取给我最低均方误差的 alpha?
Posted
技术标签:
【中文标题】如何从循环通过多个 alpha 的套索回归中提取给我最低均方误差的 alpha?【英文标题】:How can I extract the alpha that gives me the lowest Mean Squared Error from the lasso regression that loops through multiple alphas? 【发布时间】:2021-12-10 14:34:07 【问题描述】:我正在尝试找到 x 值、它们各自的指数和 alpha 的最佳组合,这将使我能够找到最低均方误差。
我使用了 SKlearn 的 Lasso 回归,但到目前为止,我只能确定最小 MSE,以及创建它的变量组合。我不确定如何提取允许它的 alpha,或者如何查看变量组合是否有任何与它们相关的指数。
我取得的成果:
最佳 Lasso 回归模型的结果: 最低平均测试 MSE:9172.38 变量组合:['Date', 'Cargo_size', 'Parcel_size', 'Rest', 'Sub']
x_combos = []
for n in range(1,9):
combos = combinations(['Date', 'Cargo_size', 'Parcel_size', 'Rest', 'Age',\
'Sub', 'X_coord', 'Y_coord'], n)
x_combos.extend(combos)
lasso_models =
alphas = 10**np.linspace(10,-2, 100)*.5
for n in range(0, len(x_combos)):
combo_list = list(x_combos[n])
x = data[combo_list]
poly = PolynomialFeatures(3)
poly_x = poly.fit_transform(x)
model = Lasso(max_iter=100000, normalize=(True))
for a in alphas:
model.set_params(alpha = a)
model.fit(poly_x,y) #
lasso_cv_scores = cross_validate(model, poly_x, y, cv=10, scoring=('neg_mean_squared_error', 'r2'), return_train_score=(True), return_estimator=(True))
lasso_models[str(combo_list)] = np.mean(lasso_cv_scores['test_neg_mean_squared_error'])
print("outcomes from the Best Lasso Regression Model:")
min_mse = abs(max(lasso_models.values()))
print("minimum Avg Test MSE:", min_mse.round(2))
for possibles, i in lasso_models.items():
if i == -min_mse:
print("The Combination of Variables:", possibles)
【问题讨论】:
【参考方案1】:您可以使用GridSearchCV
执行此操作,这是一个对估计器的指定参数值执行详尽搜索的对象。
如下:
from sklearn.model_selection import GridSearchCV
param_grid = 'alpha' : alphas
cv = GridSearchCV(model,
n_jobs=-1,
param_grid=param_grid,
cv=5,return_train_score=(True)
).fit(poly_x, y_train)
cv.best_params_
这个 sn-p 将在 alpha 上执行超参数搜索并返回最佳参数集。此外,您可以使用 cv.best_estimator_
返回最佳拟合模型。
【讨论】:
以上是关于如何从循环通过多个 alpha 的套索回归中提取给我最低均方误差的 alpha?的主要内容,如果未能解决你的问题,请参考以下文章
为啥岭回归和套索回归分类器需要 random_state? [关闭]