Python版本的GLMNET，最初来自斯坦福大学，由韩芳修改
glmnet-p的Python项目详细描述
#对于python的glmnet
>韩方
>hanfafafang.cshl@gmail.com
>安装
>使用pip（推荐）
>pip install glmnet安装glmnet py
>git克隆http://github.com/han fang/glmnet py.git
cd glmnet pypy.git
>cd glmnet pypypy.com
python setup.py install
要求：python3，linux当前，glmnet.so的签入版本是为以下配置编译的：
**Linux:*Linux版本2.6.32-573.26.1.el6.x86_64（GCC版本4.4.7 20120313（Red Hat 4.4.7-16）（GCC））
**操作系统：*CentOS 6.7（最终版）
**硬件：*8核Intel（R）Core（TM）i7-2630qm
**gfortran:*版本4.4.7 20120313（Red Hat 4.4.7-17）（gcc）
glmnet适用于“线性”回归、“logistic”和“多项式”回归模型、“poisson”回归和“cox”模型的整个套索或弹性网正则化路径。
底层fortran代码与“r”版本相同，并使用循环路径坐标下降算法，如下文所述。
目前，高斯、多元高斯、二项式、多项式、poisson和cox模型的“glmnet”库方法可用于正态矩阵和稀疏矩阵。
此外，还可用于高斯、多元高斯、二项式、多项式和poisson模型的交叉验证。cox模型的cv尚未实现。
cv可以以串行和并行方式完成。并行化是使用“多处理”和“joblib”库完成的。
在安装过程中，Fortran代码使用“gfortran”在本地计算机中编译，并由Python代码调用。
````diff
+入门：
``````
*使用此库的最佳起点是从“test”目录中的jupyter笔记本开始（glmnet_examples.ipynb）。这里提供了函数调用和参数值的详细说明以及大量示例，以便开始使用。*
\authors:
算法由Jerome Friedman、Trevor Haste和Rob Tibshirani设计。Fortran代码是由Jerome Friedman编写的。r wrapper（改编自Matlab wrapper）由Trevor Haste编写。
原始Matlab wrapper由Hui Jiang编写（2009年7月14日）。并由钱俊扬（2013年8月30日）更新和维护。
参考文献：
*friedman，j.，haste，t.和tibshirani，r.（2008）通过坐标下降的广义线性模型的正则化路径，
http://www.jstatsoft.org/v33/i01/
*Journal of Statistical Software，Vol.33（1），1-22 Feb 2010*
*simon，n.，friedman，j.，haste，t.，tibshirani，R.（2011）Cox比例危险模型通过坐标下降的正则化路径，
http://www.jstatsoft.org/v39/i05/
*统计软件杂志，第39卷（5）1-13*
*Tibshirani，Robert.，Bien，J.，Friedman，J.，Haste，T.，Simon，N.，Taylor，J.和Tibshirani，Ryan.（2010）套索类问题中丢弃预测因子的强规则，
http://www-stat.stanford.edu/~tibs/ftp/strong.pdf
*斯坦福统计技术报告*
>韩方
>hanfafafang.cshl@gmail.com
>安装
>使用pip（推荐）
>pip install glmnet安装glmnet py
>git克隆http://github.com/han fang/glmnet py.git
cd glmnet pypy.git
>cd glmnet pypypy.com
python setup.py install
要求：python3，linux当前，glmnet.so的签入版本是为以下配置编译的：
**Linux:*Linux版本2.6.32-573.26.1.el6.x86_64（GCC版本4.4.7 20120313（Red Hat 4.4.7-16）（GCC））
**操作系统：*CentOS 6.7（最终版）
**硬件：*8核Intel（R）Core（TM）i7-2630qm
**gfortran:*版本4.4.7 20120313（Red Hat 4.4.7-17）（gcc）
glmnet适用于“线性”回归、“logistic”和“多项式”回归模型、“poisson”回归和“cox”模型的整个套索或弹性网正则化路径。
底层fortran代码与“r”版本相同，并使用循环路径坐标下降算法，如下文所述。
目前，高斯、多元高斯、二项式、多项式、poisson和cox模型的“glmnet”库方法可用于正态矩阵和稀疏矩阵。
此外，还可用于高斯、多元高斯、二项式、多项式和poisson模型的交叉验证。cox模型的cv尚未实现。
cv可以以串行和并行方式完成。并行化是使用“多处理”和“joblib”库完成的。
在安装过程中，Fortran代码使用“gfortran”在本地计算机中编译，并由Python代码调用。
````diff
+入门：
``````
*使用此库的最佳起点是从“test”目录中的jupyter笔记本开始（glmnet_examples.ipynb）。这里提供了函数调用和参数值的详细说明以及大量示例，以便开始使用。*
\authors:
算法由Jerome Friedman、Trevor Haste和Rob Tibshirani设计。Fortran代码是由Jerome Friedman编写的。r wrapper（改编自Matlab wrapper）由Trevor Haste编写。
原始Matlab wrapper由Hui Jiang编写（2009年7月14日）。并由钱俊扬（2013年8月30日）更新和维护。
参考文献：
*friedman，j.，haste，t.和tibshirani，r.（2008）通过坐标下降的广义线性模型的正则化路径，
http://www.jstatsoft.org/v33/i01/
*Journal of Statistical Software，Vol.33（1），1-22 Feb 2010*
*simon，n.，friedman，j.，haste，t.，tibshirani，R.（2011）Cox比例危险模型通过坐标下降的正则化路径，
http://www.jstatsoft.org/v39/i05/
*统计软件杂志，第39卷（5）1-13*
*Tibshirani，Robert.，Bien，J.，Friedman，J.，Haste，T.，Simon，N.，Taylor，J.和Tibshirani，Ryan.（2010）套索类问题中丢弃预测因子的强规则，
http://www-stat.stanford.edu/~tibs/ftp/strong.pdf
*斯坦福统计技术报告*
欢迎加入QQ群-->： 979659372
