lasso回归python代码

以下是使用Python实现Lasso回归的示例代码：

from sklearn.linear_model import Lasso
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 加载波士顿房价数据集
boston = load_boston()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.3, random_state=42)

# 创建Lasso回归模型
lasso = Lasso(alpha=0.1)

# 在训练集上拟合模型
lasso.fit(X_train, y_train)

# 在测试集上评估模型
y_pred = lasso.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print("MSE: %.2f" % mse)

在这个示例中，我们使用波士顿房价数据集来训练和测试Lasso回归模型。我们首先将数据集划分为训练集和测试集，然后创建一个Lasso回归对象，设置L1正则化参数alpha为0.1。接着，我们在训练集上拟合模型，并在测试集上评估模型性能，使用均方误差（MSE）作为性能指标。