glmnet 2.1.1

要求

python-glmnet需要python版本>；=3.4，scikit-learn，numpy， 和scipy。从源代码或通过pip安装需要Fortran编译器。

条件

conda install -c conda-forge glmnet

PIP

pip install glmnet

来源

glmnet取决于numpy、scikit learn和scipy。有效的fortran语言 对于Mac用户，编译程序也需要构建包， brew install gcc将处理此要求。

git clone git@github.com:civisanalytics/python-glmnet.git
cd python-glmnet
python setup.py install

一般

默认情况下，LogitNet和ElasticNet使用 套索惩罚（α=1）和最大值为100的λ（由 算法）。此外，在计算了λ值的路径之后， 使用3倍交叉计算每个λ值的性能指标 验证。最佳性能模型对应的λ值为 另存为lambda_max_属性和λ的最大值 模型性能在 最佳评分模型保存为lambda_best_属性。

predict和predict_proba方法接受可选的 参数lamb，用于选择要使用的模型 做出预测。如果省略lamb，则使用lambda_best_。

两种模型都接受密集或稀疏数组。

正则logistic回归

fromglmnetimportLogitNetm=LogitNet()m=m.fit(x,y)

预测与scikit learn类似：

# predict labelsp=m.predict(x)# or probability estimatesp=m.predict_proba(x)

正则线性回归

fromglmnetimportElasticNetm=ElasticNet()m=m.fit(x,y)

预测：

p=m.predict(x)