Scikit-Learn
套索懲罰僅適用於回歸量的子集
以前有人問過這個問題，但沒有回應，所以我想我可能會再問一次。
我有興趣將 Lasso 懲罰應用於回歸量的某些子集，即具有目標函數
套索僅適用於但參與重建。
這背後有什麼理論嗎？其次，無論如何在sklearn中可以做到這一點？
讓是在列空間上的正交投影. 我們有那個
在哪裡
滿足對所有人自從對所有人. 考慮到這句話中的情況是滿級，我們還有那個自從在這種情況下。 將其代入第一個優化問題，我們看到
可以通過通常的套索計算工具進行評估。正如 whuber 在他的評論中所暗示的那樣，這個結果是直觀的，因為不受限制的係數可以覆蓋的跨度, 所以只有空間中與跨度正交的部分評估時值得關注. 儘管符號稍微更通用，但幾乎所有使用過 lasso 的人都熟悉這個結果。要看到這一點，假設是（長度) 的向量，代表截距。然後，投影矩陣, 並且, 對於任何向量, 正交投影只是貶低向量。考慮方程，這正是人們在計算 lasso 係數時所做的！他們貶低數據，因此不必考慮攔截。