回归算法最小角回归（LARS）通过高维数据的线性组合提供变量。
它与正向逐步回归有关。在这种方法中，在每个步骤中选择最相关的变量，其方向在两个预测因子之间是等角的。
在本教程中，我们将学习如何用Python中的LARS和Lasso Lars算法拟合回归数据。我们将在本教程中估计住房数据集。这篇文章包括
可下载资源
- 准备数据
- 如何使用LARS
- 如何使用Lasso LARS
让我们从加载所需的包开始。
from sklearn import linear_model准备数据
我们将加载波士顿的数据集，并将其分成训练和测试两部分。
boston = load_boston()
xtrain, xtest, ytrain, ytest=train\_test\_split(x, y, test_size=0.15)如何使用LARS
我们将用Lars()类定义模型（有默认参数），并用训练数据来拟合它。
Lars().fit(xtrain, ytrain)并检查模型的系数。
print(lars.coef_)
\[-1.16800795e-01 1.02016954e-02 -2.99472206e-01 4.21380667e+00
-2.18450214e+01 4.01430635e+00 -9.90351759e-03 -1.60916999e+00
-2.32195752e-01 2.80140313e-02 -1.08077980e+00 1.07377184e-02
-5.02331702e-01\]
接下来，我们将预测测试数据并检查MSE和RMSE指标。
mean\_squared\_error(ytest, ypred)
print("MSE: %.2f" % mse)
MSE: 36.96
print("RMSE: %.2f" % sqrt(mse))
RMSE: 6.08最后，我们将创建绘图，使原始数据和预测数据可视化。
plt.show()如何使用Lasso Lars
LassoLars是LARS算法与Lasso模型的一个实现。我们将用LassoLars()类定义模型，将α参数设置为0.1，并在训练数据上拟合模型。
LassoLars(alpha =.1).fit(xtrain, ytrain)我们可以检查系数。
print(coef_)
\[ 0. 0. 0. 0. 0. 3.00873485
0. 0. 0. 0. -0.28423008 0.
-0.42849354\]接下来，我们将预测测试数据并检查MSE和RMSE指标。
predict(xtest)
print("MSE: %.2f" % mse)
MSE: 45.59
print("RMSE: %.2f" % sqrt(mse))
RMSE: 6.75最后，我们将创建绘图，使原始数据和预测数据可视化。
plt.show()
随时关注您喜欢的主题
在本教程中，我们已经简单了解了如何用LARS和Lasso Lars算法来拟合和预测回归数据。
参考文献
- Least Angle Regression, by Efron Bradley; Hastie Trevor; Johnstone Iain; Tibshirani Robert (2004)
- Least-Angel Regression, Wikipedia
【视频】N-Gram、逻辑回归反欺诈模型文本分析招聘网站欺诈可视化|附数据代码
R语言Stan贝叶斯回归置信区间后验分布可视化模型检验
R语言分类回归分析考研热现象分析与考研意愿价值变现
