Lasso归来，全称为Least Absolute Shrinkage and Selection Operator（最小皆备减轻和遴荐算子），是一种在往时线性归来基础上引入L1正则化项的归来分析程序。它由Robert Tibshirani在1996年提议，主淌若为了管制传统线性归来在处理高维数据时碰到的问题。在高维空间中，传统的最小乘法归来(OLS)会出现变量遴荐艰苦、模子过拟合等问题。Lasso通过对统统进行压缩，以达到变量遴荐和复杂度退换的观念，从而栽植模子的展望精度和评释才调。

主要特色：

特征遴荐：Lasso归来大致自动进行特征遴荐，通过将某些统统压缩至零，从而完毕对不紧迫特征的剔除。这一丝在处理具有大都特征的高维数据时尤为紧迫。疏淡性：Lasso归来的解是疏淡的，即好多统统将被征战为零，这有助于裁减模子的复杂度，栽植模子的可评释性。多重共线性处理：在自变量之间存在多重共线性时，Lasso归来不错有用地处理这一问题，因为它倾向于将一些辩论特征的统统压缩至零，从而减少多重共线性的影响。正则化：Lasso归来通过正则化参数λ来放置模子的复杂度，λ的值越大，正则化强度越高，模子越简便。

使用场景：

高维数据：当特征数目雄伟于样本数目时，Lasso归来不错匡助减少特征数目，栽植模子的泛化才调。特征遴荐：在需要从大都特征中遴荐紧迫特征的场景下，Lasso归来不错自动完成这一任务。多重共线性：当数据聚积的自变量高度辩论时，Lasso归来不错有用地处理这一问题，幸免模子的不庄重性。展望分析：在需要展望数值型数据的场景中，Lasso归来不错提供准确的展望效能，何况通过特征遴荐栽植模子的评释性。

Lasso归来在金融风控、生物信息学、经济学等多个限度都有庸俗的应用。举例，在金融限度，不错愚弄Lasso归来筛选出对贷款负约概率影响最大的极少要害特征，构建淘气且具有评释性的信用评分模子。在基因抒发数据分析中，Lasso归来有助于从海量基因数据中挑选出与特定疾病辩论的少数要害基因。

案例分析：

器具地址：析易数据分析平台

操作案例：以肝硬化指数数据集为例，对所稀有据（年岁,身高,性别,BMI,抽烟,饮酒,总胆固醇,甘油三脂,高密度脂卵白,空心葡萄糖,减轻压,舒张压,丙氨酸转氨酶（ALT）,天冬氨酸转氨酶（AST）,碱性磷酸酶（ALP））和肝硬化决策之间作念Lasso归来分析。

关节1：干预析易数据分析平台，在最左侧找到往时线性归来功能（机器学习→线性归来→lasso归来）

关节2：在最右侧的操作表单中，数据表遴荐年岁,身高,性别,BMI,抽烟,饮酒,总胆固醇,甘油三脂,高密度脂卵白,空心葡萄糖,减轻压,舒张压,丙氨酸转氨酶（ALT）,天冬氨酸转氨酶（AST）,碱性磷酸酶（ALP）为自变量；遴荐肝硬化决策为因变量，测试集拆分比例等按照默许数据（按照个东谈主需求进行征战）。

关节3：点击策画按钮j9九游会官方，恭候5-8秒，平台自动生因素析阐明并保存模子。在此阐明中Lasso归来将身高,性别,BMI,抽烟,饮酒,总胆固醇,甘油三脂,高密度脂卵白,空心葡萄糖统统将被征战为零。#析易#