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