ML之回归预测之Lasso：利用Lasso算法解决回归(实数值评分预测)问题—优化模型【增加新(组合)属性】

ML之回归预测之Lasso：利用Lasso算法解决回归(实数值评分预测)问题—优化模型【增加新(组合)属性】

目录

输出结果

设计思路

核心代码

输出结果

设计思路

核心代码

  

   

    

     

    
    

     

      names[-1] = "a^2"
     
    
   

    

     

    
    

     

      names.append("a*b")
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      nrows = len(xList)
     
    
   

    

     

    
    

     

      ncols = len(xList[0])
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      xMeans = []
     
    
   

    

     

    
    

     

      xSD = []
     
    
   

    

     

    
    

     

      for i in range(ncols):
     
    
   

    

     

    
    

     

       col = [xList[j][i] for j in range(nrows)]
     
    
   

    

     

    
    

     

       mean = sum(col)/nrows
     
    
   

    

     

    
    

     

       xMeans.append(mean)
     
    
   

    

     

    
    

     

       colDiff = [(xList[j][i] - mean) for j in range(nrows)]
     
    
   

    

     

    
    

     

       sumSq = sum([colDiff[i] * colDiff[i] for i in range(nrows)])
     
    
   

    

     

    
    

     

       stdDev = sqrt(sumSq/nrows)
     
    
   

    

     

    
    

     

       xSD.append(stdDev)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      X = numpy.array(xList) #Unnormalized X's
     
    
   

    

     

    
    

     

      X = numpy.array(xNormalized) #Normlized Xss
     
    
   

    

     

    
    

     

      Y = numpy.array(labels) #Unnormalized labels
     
    
  
 

文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。

原文链接：yunyaniu.blog.csdn.net/article/details/85719995