Python 什么是scikit学习中套索回归的系数

coef\uu

存储什么

coef\uu

源于尝试完成特征选择时的套索回归方法

它存储了，描述了将每个特征乘以以获得预测值的权重。本质上，

coef

是模型的参数（不包括正则化和截距（w0）项-见下文）

使用套索回归时，您正在执行带正则化的线性回归。 如果不进行正则化，则给定实例的预测值为：

y=w0+w1*x1+w2*x2+…+wn*xn

其中，y是预测值，参数向量为w=[w0，w1，w2，…，wn]，训练实例的特征向量为x=[x1，x2，…，xn]。当您执行回归时，您正在更改参数向量（或“权重向量”）的值，以获得预测值，从而最小化预测值和目标值之间的差异。这是通过最小化成本函数（衡量预测与真实值之间的差异）来实现的

使用（套索）正则化，只需将参数向量的l1范数添加到代价函数（最小化），这有助于保持特征向量的值尽可能小