lasso回归绘图的代码

Lasso回归是一种线性模型，它通过添加L1正则化项（也称为Lasso惩罚）来解决过拟合问题，同时实现了特征选择。在Python中，你可以使用`sklearn`库中的`Lasso`类来进行Lasso回归并绘制结果。以下是一个简单的例子：

# 导入所需库
import numpy as np
import pandas as pd
from sklearn.linear_model import Lasso
import matplotlib.pyplot as plt

# 假设你有一个DataFrame df，其中包含自变量X和因变量y
df = pd.read_csv('your_data.csv')  # 请替换为你的数据路径
X = df.drop('y', axis=1)  # 假设'y'是目标变量
y = df['y']

# 创建Lasso模型
lasso = Lasso(alpha=0.1)  # alpha是正则化强度，可以根据需要调整
lasso.fit(X, y)

# 预测并保存系数
coefficients = pd.Series(lasso.coef_, index=X.columns)

# 绘制Lasso回归系数图
plt.figure(figsize=(10, 6))
coefficients.sort_values().plot(kind='barh', color='b')
plt.title('Lasso Regression Coefficients')
plt.xlabel('Coefficient Magnitude')
plt.ylabel('Features')
plt.axhline(0, color='k', linestyle='--')
plt.grid(True)
plt.tight_layout()
plt.show()