二值分类中用Lasso回归寻找最优特征

Question

我正在研究大数据，我想找到重要的特性。 因为我是一个生物学家，所以请原谅我缺乏知识。

我的数据集有大约5000个属性和500个样本，其中有二进制类0和1。此外，数据集是有偏差的-大约400 0s和100 1s的样本。 我想找出一些特征，这些特征在决定阶级时影响最大。

  A1   A2   A3  ... Gn Class
S1    1.0  0.8 -0.1 ... 1.0 0 
S2    0.8  0.4  0.9 ... 1.0 0
S3   -1.0 -0.5 -0.8 ... 1.0 1
...

在前面的问题中我得到了一些建议，我试图找到属性系数和重要特征一样高的属性，使用了L1惩罚的套索回归，因为它使得不重要特征的得分为0。

我用scikit学习库做这项工作。

所以，我的问题是这样的。

1. 我能用套索回归法来计算二元类吗？如果不是，使用Logistic回归是否是一个好的解决方案，尽管它不使用L1惩罚？

2. 如何使用LassoCV找到alpha的最佳值？文件上说拉索夫支持，但我找不到函数。

3. 还有其他好的分类方法吗？

非常感谢。