Python 拟合后访问Lasso回归系数

在得到Lambda的最佳值后，我尝试套索回归，现在的问题是，我想得到系数（权重向量），因为我想将它们与岭回归的权重进行比较

lasso = Lasso(alpha=optimal_lmbda, fit_intercept=True, random_state=1142, max_iter=5000)
lasso.fit(X_train, y_train)
y_pred_lasso = lasso.predict(X_test)

在Sklearn中，如何在python的Lasso回归中拟合后获得系数（权重向量）？

只需按照文档进行操作即可

根据评论更新：

• lasso.coef

  和

  lasso.sparse\u coef

  • 类型

    ，如在线注释和文档中所述<代码>numpy数组或（从）。后者是相关的，如果你有许多变量，其中许多是零，因为强正则化（已知l1在许多零中起作用）。那么存储0是无用的，这就是稀疏数据结构的用途。

    scipy

    中没有密集向量类型，因此使用稀疏矩阵。内容是一样的

# Build lasso and fit
lasso = Lasso(...)
lasso.fit(...)

# Read out attributes
coeffs = lasso.coef_         # dense np.array
coeffs = lasso.sparse_coef_  # sparse matrix

coeffs = lasso.intercept_    # probably also relevant