Python套索非零系数的最大数目

我有一个相当大的数据集，其中包括100多个系数和数千个条目。因此，我想使用套索方法进行模型训练

我目前正在查阅sci工具包文档，内容包括：

虽然实现看起来很简单，但我无法找到允许限制非零系数最大数量的输入参数，例如限制为10

更清楚地说，参数“DFMax”允许进行上述操作

---

在任何Python实现中都有这样的选项吗？

直接限制非零系数的数量是一个NP难问题，这是LASSO渐近解决这个NP难问题的优点之一

我不知道DFMax在Matlab中的实现，但我的建议是执行以下操作：

使用LassoCV查找最佳alpha值

如果非零系数的数量小于您的限制，则取此alpha值

如果非零系数的数量大于您的限制，请使用Lasso和一系列递增的alpha，其中LassoCV的alpha为最小值，并在非零系数的数量等于或低于阈值时停止

---

我认为公认的答案不是最好的。这里是一个寻找一定数量套索系数的示例

from sklearn.linear_model import LogisticRegression
from sklearn.datasets import make_classification
from scipy.optimize import differential_evolution

X, y = make_classification(n_samples=2000, n_features=50, n_informative=10, random_state=10)
logit = LogisticRegression(penalty='l1', C=1.0)

target = 10

def func(C):
    logit = LogisticRegression(penalty='l1', C=C[0], solver='liblinear')
    logit.fit(X, y)
    n_nonzero = np.sum(logit.coef_ != 0)
    return (target-n_nonzero)**2

differential_evolution(func, bounds=[(0, 2)], tol=0.1, maxiter=20)

---

我们已经找到了最佳正则化参数，以便正好有10个非零系数。

+1，因为它似乎也没有DFMax参数。Hmm。只是理论上的一句话：对非零系数数量的硬约束将这个简单的问题（在复杂性类别P中）转化为一个通常不可行的硬问题（NP难）。不确定matlab是如何处理这个问题的（除了分支和边界之外，可能性不大）。我不会感到惊讶，看到一个巨大的性能下降，然后。例如，您可以在cvxpy中将该问题定义为混合整数规划问题。

from sklearn.linear_model import LogisticRegression
from sklearn.datasets import make_classification
from scipy.optimize import differential_evolution

X, y = make_classification(n_samples=2000, n_features=50, n_informative=10, random_state=10)
logit = LogisticRegression(penalty='l1', C=1.0)

target = 10

def func(C):
    logit = LogisticRegression(penalty='l1', C=C[0], solver='liblinear')
    logit.fit(X, y)
    n_nonzero = np.sum(logit.coef_ != 0)
    return (target-n_nonzero)**2

differential_evolution(func, bounds=[(0, 2)], tol=0.1, maxiter=20)

logit = LogisticRegression(penalty='l1', C=0.03048243, solver='liblinear')
logit.fit(X, y)
np.sum(logit.coef_ != 0)