为什么sklearn（python）和matlab统计包中的LASSO不同？

我使用

LaasoCV

从

sklearn

中选择最佳模型，并通过交叉验证进行选择。我发现如果我使用sklearn或matlab统计工具箱，交叉验证会给出不同的结果

我使用了

matlab

并复制了中给出的示例 得到这样的数字

然后我保存了

matlab

数据，并尝试从

sklearn

复制带有

laaso_路径的图形，得到


虽然这两个数字有一些相似之处，但也有一些不同之处。据我所知，
matlab
中的参数
lambda
和
sklearn
中的
alpha
是相同的，但是在这个图中似乎有一些不同。有人能指出哪个是正确的还是我遗漏了什么？此外，得到的系数也不同（这是我主要关心的）

Matlab代码：

rng(3,'twister') % for reproducibility
X = zeros(200,5);
for ii = 1:5
      X(:,ii) = exprnd(ii,200,1);
end
r = [0;2;0;-3;0];
Y = X*r + randn(200,1)*.1;

save randomData.mat % To be used in python code

[b fitinfo] = lasso(X,Y,'cv',10);
lassoPlot(b,fitinfo,'plottype','lambda','xscale','log');

disp('Lambda with min MSE')
fitinfo.LambdaMinMSE
disp('Lambda with 1SE')
fitinfo.Lambda1SE
disp('Quality of Fit')
lambdaindex = fitinfo.Index1SE;
fitinfo.MSE(lambdaindex)
disp('Number of non zero predictos')
fitinfo.DF(lambdaindex)
disp('Coefficient of fit at that lambda')
b(:,lambdaindex)

import scipy.io
import numpy as np
import pylab as pl
from sklearn.linear_model import lasso_path, LassoCV

data=scipy.io.loadmat('randomData.mat')
X=data['X']
Y=data['Y'].flatten()

model = LassoCV(cv=10,max_iter=1000).fit(X, Y)
print 'alpha', model.alpha_
print 'coef', model.coef_

eps = 1e-2 # the smaller it is the longer is the path
models = lasso_path(X, Y, eps=eps)
alphas_lasso = np.array([model.alpha for model in models])
coefs_lasso = np.array([model.coef_ for model in models])

pl.figure(1)
ax = pl.gca()
ax.set_color_cycle(2 * ['b', 'r', 'g', 'c', 'k'])
l1 = pl.semilogx(alphas_lasso,coefs_lasso)
pl.gca().invert_xaxis()
pl.xlabel('alpha')
pl.show()

Python代码：

rng(3,'twister') % for reproducibility
X = zeros(200,5);
for ii = 1:5
      X(:,ii) = exprnd(ii,200,1);
end
r = [0;2;0;-3;0];
Y = X*r + randn(200,1)*.1;

save randomData.mat % To be used in python code

[b fitinfo] = lasso(X,Y,'cv',10);
lassoPlot(b,fitinfo,'plottype','lambda','xscale','log');

disp('Lambda with min MSE')
fitinfo.LambdaMinMSE
disp('Lambda with 1SE')
fitinfo.Lambda1SE
disp('Quality of Fit')
lambdaindex = fitinfo.Index1SE;
fitinfo.MSE(lambdaindex)
disp('Number of non zero predictos')
fitinfo.DF(lambdaindex)
disp('Coefficient of fit at that lambda')
b(:,lambdaindex)

import scipy.io
import numpy as np
import pylab as pl
from sklearn.linear_model import lasso_path, LassoCV

data=scipy.io.loadmat('randomData.mat')
X=data['X']
Y=data['Y'].flatten()

model = LassoCV(cv=10,max_iter=1000).fit(X, Y)
print 'alpha', model.alpha_
print 'coef', model.coef_

eps = 1e-2 # the smaller it is the longer is the path
models = lasso_path(X, Y, eps=eps)
alphas_lasso = np.array([model.alpha for model in models])
coefs_lasso = np.array([model.coef_ for model in models])

pl.figure(1)
ax = pl.gca()
ax.set_color_cycle(2 * ['b', 'r', 'g', 'c', 'k'])
l1 = pl.semilogx(alphas_lasso,coefs_lasso)
pl.gca().invert_xaxis()
pl.xlabel('alpha')
pl.show()

有可能
alpha=lambda/n\u样本


其中，scikit学习中的
n_samples=X.shape[0]

另一点是，您的路径并不像它可能/应该的那样是非常分段线性的。考虑减少ToL和增加Max ITER。< /P>
希望这能有所帮助
虽然我无法找出导致问题的原因，但有一个合理的方向可以继续

事实如下：


Mathworks选择了一个示例，并决定将其包含在文档中
您的matlab代码生成的结果与示例完全相同
替代方案与结果不匹配，并且在过去提供了不准确的结果

这是我的假设：


mathworks选择在其文档中添加错误示例的可能性是可以忽略的，而以另一种方式复制该示例不会给出正确结果的可能性则是可以忽略的

逻辑结论：这个例子的matlab实现是可靠的，而另一个不是。
这可能是代码中的一个问题，也可能是您如何使用它的问题，但无论如何，唯一合乎逻辑的结论是您应该继续使用Matlab来选择您的模型。
我没有Matlab，但请注意交叉验证获得的值可能不稳定。这是因为它受您细分样本的方式的影响

即使在python中运行两次交叉验证，也可以获得两个不同的结果。
考虑这个例子：

kf=sklearn.cross_validation.KFold(len(y),n_folds=10,shuffle=True)
cv=sklearn.linear_model.LassoCV(cv=kf,normalize=True).fit(x,y)
print cv.alpha_
kf=sklearn.cross_validation.KFold(len(y),n_folds=10,shuffle=True)
cv=sklearn.linear_model.LassoCV(cv=kf,normalize=True).fit(x,y)
print cv.alpha_

0.00645093258722
0.00691712356467

我知道这是一条旧线，但是：

实际上，我正在从
glmnet
（在R中）将管道连接到
LassoCV
，我发现
LassoCV
首先对X矩阵进行规范化并不太好（即使指定参数
normalize=True
）

使用LassoCV时，首先尝试规范化X矩阵

如果它是一个物体

(X - X.mean())/X.std()

似乎你还需要将alpha乘以2
我可以说，在处理真实数据时，我想起了类似的发现。Matlab的结果不同，并且明显更好。不过，我并没有深入探讨这个问题的根源。我想问题不仅仅在于规范化。我尝试了上面的一个，但仍然得到了不同的曲线。此外，通过交叉验证获得的系数非常不同。这在我看来仍然像是一个参数化问题：两条曲线看起来相似，但在X轴上移动。在日志空间中对scikit learn中的alpha进行重新缩放可能会导致这种情况。scikit学习中使用的参数化在中给出。您还可以从同一分布中生成更多数据，并计算回归分数（例如，确定系数r^2或RMSE），并检查阿尔法的最佳值是否接近交叉验证的阿尔法值。@imsc您是否尝试过使用
alpha=lambda/（2*X.shape[0]）
？宣传一种技术胜过另一种技术的论据非常薄弱。sklearn还提供了示例。matlab代码是否可以重现？实际上，套索更像是一类解算器，而不是一个精确定义的算法。因此，更可能的情况是算法略有不同。根据你的论点，说scikit learn不可靠是相当苛刻的。我不想暗示这一点，我已经稍微重新表述了我的回答，以便更清楚。谢谢你的回答<代码>scikit学习
确实是一个实施良好的模块。然而，仍然缺乏导致上述问题的文档和示例。我可以通过适当的规范化来解决这个问题。