访问sklearn中从ElasticNetCV获得的正则化路径

Question

我想得到这些情节： http://scikit-learn.org/stable/auto_examples/linear_model/plot_lasso_coordinate_descent_path.html

我已经训练过了。 这个例子确实如此

from sklearn.linear_model import lasso_path, enet_path
from sklearn import datasets

diabetes = datasets.load_diabetes()
X = diabetes.data
print("Computing regularization path using the elastic net...")
alphas_enet, coefs_enet, _ = enet_path(
    X, y, eps=eps, l1_ratio=0.8, fit_intercept=False)

这基本上需要重新计算整个模型。 不幸的是，我没有X,y。在

在培训中，我使用了sklearn.linear_model.ElasticNetCV，它返回：

^{pr2}$

而我需要参数向量改变l1，u比率和α。在

这可以不用重新计算吗？这将是一个巨大的时间浪费，因为这些coef_路径实际上已经计算好了

Answer 1

简短回答

一旦合适就不行了。在

冗长的回答

如果您查看^{}的源代码，您将看到在fit方法中类正在调用^{}，但是alphas被设置为在{}中初始化的alpha值（默认值为1.0），该值由ElasticNetCV中的alphas值设置，该值最终将是单个值。因此，不必计算默认的100个alpha值的系数，这些值允许您创建路径图，而只为您在CV中设置的每个alpha值获取一个。也就是说，你可以在你的简历中初始化字母来模拟enet_path中的100个默认值，然后合并每个折叠的系数，但这将是一个相当长的过程。正如你提到的，你已经适应了简历，这不是一个选项。在