11

我使用LaasoCVfromsklearn来选择最佳模型是通过交叉验证选择的。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matlab并复制了 http://www.mathworks.se/help/stats/lasso-and-elastic-net.html中给出的示例 以获得这样的数字

在此处输入图像描述

然后我保存了matlab数据，并尝试使用laaso_pathfrom复制图形sklearn，我得到了

在此处输入图像描述

虽然这两个数字之间有一些相似之处，但也存在一定的差异。据我了解参数lambdainmatlab和alphainsklearn是相同的，但是在此图中似乎存在一些差异。有人可以指出哪个是正确的还是我错过了什么？此外，获得的系数也不同（这是我主要关心的问题）。

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)

蟒蛇代码：

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()
4

4 回答 4

3

我没有 matlab，但要小心，通过交叉验证获得的值可能不稳定。这是因为它受到您细分样本的方式的影响。

即使您在 python 中运行 2 次交叉验证，您也可以获得 2 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
于 2013-12-08T18:45:11.013 回答
2

有可能alpha = lambda / n_samples
在n_samples = X.shape[0]scikit-learn 中

另一句话是，您的路径不是可能/应该是分段线性的。考虑减少 tol 并增加 max_iter。

希望这可以帮助

于 2012-10-05T16:55:02.123 回答
0

我知道这是一个旧线程，但是：

我实际上正在处理LassoCV从glmnet（在 R 中）的管道，并且我发现LassoCV首先对 X 矩阵进行归一化并不太好（即使您指定了参数normalize = True）。

使用 LassoCV 时，首先尝试对 X 矩阵进行归一化。

如果是 pandas 对象，

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

看来您还需要将 alpha 乘以 2

于 2018-01-27T18:50:31.473 回答
-2

虽然我无法弄清楚是什么导致了问题，但有一个合乎逻辑的方向可以继续。

这些是事实：

  • Mathworks 选择了一个示例并决定将其包含在他们的文档中
  • 您的 matlab 代码产生的结果与示例完全相同。
  • 替代方案与结果不匹配，并且过去提供了不准确的结果

这是我的假设：

  • 与以替代方式复制此示例未给出正确结果的可能性相比，mathworks 选择在其文档中放置错误示例的可能性可以忽略不计。

合乎逻辑的结论：此示例的 matlab 实现是可靠的，而另一个则不可靠。这可能是代码中的问题，或者可能是您如何使用它的问题，但无论哪种方式，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。

于 2012-10-10T11:23:47.340 回答