ML之分类预测之LARS：利用回归工具将二分类转为回归问题并采用LARS算法构建分类器

ML之分类预测之LARS：利用回归工具将二分类转为回归问题并采用LARS算法构建分类器

目录

输出结果

设计思路

代码实现

输出结果

['V10', 'V48', 'V44', 'V11', 'V35', 'V51', 'V20', 'V3', 'V21', 'V15', 'V43', 'V0', 'V22', 'V45', 'V53', 'V27', 'V30', 'V50', 'V58', 'V46', 'V56', 'V28', 'V39']

 

设计思路

代码实现

      for i in range(nSteps):
       residuals = [0.0] * nrow
      for j in range(nrow):
       labelsHat = sum([xNormalized[j][k] * beta[k] for k in range(ncol)])
       residuals[j] = labelNormalized[j] - labelsHat
       corr = [0.0] * ncol
      for j in range(ncol):
       corr[j] = sum([xNormalized[k][j] * residuals[k] for k in range(nrow)]) / nrow
       iStar = 0
       corrStar = corr[0]
      for j in range(1, (ncol)):
      if abs(corrStar) < abs(corr[j]):
       iStar = j; corrStar = corr[j]
       beta[iStar] += stepSize * corrStar / abs(corrStar)
       betaMat.append(list(beta))
  
 

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/85372349