在ElasticNetCV中使用python等效的lambda属性时遇到问题
我正在尝试将在ElasticNetCV中使用python等效的lambda属性时遇到问题,python,r,scikit-learn,glmnet,Python,R,Scikit Learn,Glmnet,我正在尝试将r代码转换为Python 下面是查找min lambda的代码。这是glmnet交叉验证 model_cvfit = cv.glmnet(x, y) model_cvfit $lambda.min 如何使用python中的ElasticNetCV实现这一点?我试图阅读sklearn中的文档。它没有帮助,如中所述: 参数l1_比率对应于glmnet R包中的alpha 而alpha对应于glmnet中的lambda参数 因此,您可以通过访问alpha.属性获得cv选择的alpha:
r
代码转换为Python
下面是查找min lambda的代码。这是glmnet交叉验证
model_cvfit = cv.glmnet(x, y)
model_cvfit $lambda.min
如何使用python中的ElasticNetCV
实现这一点?我试图阅读sklearn
中的文档。它没有帮助,如中所述:
参数l1_比率对应于glmnet R包中的alpha
而alpha对应于glmnet中的lambda参数
因此,您可以通过访问alpha.
属性获得cv选择的alpha:
from sklearn.linear_model import ElasticNetCV
from sklearn.datasets import make_regression
X, y = make_regression(n_features=2, random_state=0)
regr = ElasticNetCV(cv=5, random_state=0)
regr.fit(X, y)
>>> (regr.alpha_, regr.alphas_.min())
(0.1994727942696716, 0.1994727942696716)
正如报告中所述:
参数l1_比率对应于glmnet R包中的alpha
而alpha对应于glmnet中的lambda参数
因此,您可以通过访问alpha.
属性获得cv选择的alpha:
from sklearn.linear_model import ElasticNetCV
from sklearn.datasets import make_regression
X, y = make_regression(n_features=2, random_state=0)
regr = ElasticNetCV(cv=5, random_state=0)
regr.fit(X, y)
>>> (regr.alpha_, regr.alphas_.min())
(0.1994727942696716, 0.1994727942696716)