lasso回归筛选变量python代码

Lasso回归是一种线性回归的变体，可以用于特征选择和模型正则化，它通过对系数的L1正则化来实现特征选择，将某些系数缩减为0，从而达到筛选变量的目的。下面是利用Python实现Lasso回归进行变量筛选的代码示例：

from sklearn.linear_model import Lasso
from sklearn.datasets import load_boston
import numpy as np

# 加载数据集
boston = load_boston()
X = boston.data
y = boston.target

# 创建Lasso对象
lasso = Lasso(alpha=0.1)

# 拟合数据
lasso.fit(X, y)

# 输出结果
print("Coefficients:", lasso.coef_)
print("Intercept:", lasso.intercept_)

在上面的代码中，我们使用了sklearn中的Lasso模型，并将alpha参数设置为0.1，表示正则化强度。拟合数据后，可以输出系数和截距。系数越大表示该特征对目标变量的影响越大，系数为0表示该特征被筛选掉了。