Python GLMNET

维护警告

此包不再维护。

描述

这是R包glmnet中使用的Fortran库的Python封装。虽然该库包含线性、逻辑、Cox、泊松和多响应高斯回归，但本包只实现了线性和逻辑回归。

API遵循Scikit-Learn的惯例，因此预期可与该生态系统的工具配合使用。

安装

要求

python-glmnet需要Python版本>=3.6，scikit-learn，numpy和scipy。从源代码或通过pip安装需要Fortran编译器。

conda
~~~~~

.. code:: bash

    conda install -c conda-forge glmnet


pip
~~~

.. code:: bash

    pip install glmnet


源代码
~~~~~~

glmnet依赖numpy、scikit-learn和scipy。
还需要一个可用的Fortran编译器来构建包。
对于Mac用户，brew install gcc可以满足这个要求。

.. code:: bash

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

使用
-----

通用
~~~~~

默认情况下，LogitNet和ElasticNet使用lasso惩罚（α = 1）和最多100个λ值（由算法确定）拟合一系列模型。此外，在计算λ值路径后，使用3折交叉验证计算每个λ值的性能指标。对应最佳表现模型的λ值保存为lambda_max_属性，而使模型性能在最佳得分模型的cut_point * standard_error范围内的最大λ值保存为lambda_best_属性。

predict和predict_proba方法接受一个可选参数lamb，用于选择将用于预测的模型。如果省略lamb，将使用lambda_best_。

两种模型都接受稠密或稀疏数组。

正则化逻辑回归

.. code:: python

from glmnet import LogitNet

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

预测类似于Scikit-Learn：

.. code:: python

# 预测标签
p = m.predict(x)
# 或概率估计
p = m.predict_proba(x)

正则化线性回归

.. code:: python

    from glmnet import ElasticNet

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

预测：

.. code:: python

    p = m.predict(x)