Python Lasso 特征筛选代码示例

以下代码示例展示如何使用 Python Lasso 模型进行特征筛选。

from sklearn.linear_model import Lasso

# 定义 Lasso 模型
model = Lasso(alpha=0.1)

# 训练模型
model.fit(X, y)

# 对特征进行筛选，返回对应的系数
coef = model.coef_

# 筛选出系数大于0的特征，即为重要特征
important_columns = [X.columns[i] for i in range(len(coef)) if coef[i] > 0]

说明：

X 表示特征矩阵，y 表示目标变量。
alpha 参数控制正则化强度，值越大正则化越强，会剔除更多特征。
model.coef_ 返回每个特征对应的系数。
通过筛选系数大于0的特征，可以得到重要特征的列表。

注意：

Lasso 适用于线性回归问题，如果你的问题是非线性问题，可能需要使用其他特征筛选方法。
Lasso 的效果取决于数据集的特点，需要根据实际情况进行调整。