LASSO回归就是在正常的线性回归的基础上增加一个L1正则化项。
为啥我每次LASSO都不如直接线性回归好用？
from sklearn.linear_model import Lasso
参数
alpha
L1正则化项的比例
fit_intercept
默认True，是否设置偏置
normalize
默认False 是否进行标准差标准化
precompute
是否使用余下计算的Gram矩阵加速计算。
max_iter
最大迭代次数
tol
判断迭代收敛的阈值
warm_start
是否使用上一次的训练结果继续训练
属性
coef_
train_x各个特征的权重
n_iter
迭代次数
intercept_
train_x各个特征的偏置
方法
fit
predict
score