加权样本的弹性净回归或套索回归（sklearn）

Question

Scikit-learn允许将样本权重提供给线性，逻辑和岭回归（以及其他），但不能提供给弹性净或套索回归。通过样本权重，我的意思是要拟合的输入的每个元素（以及相应的输出）的重要性都在变化，并且应该对与权重成正比的估计系数产生影响。

在将数据传递给ElasticNet.fit（）合并样本权重之前，有什么方法可以处理？

如果不是，是否有根本原因是不可能的？

谢谢！

Answer 1

您可以在sklearn的问题跟踪器中阅读有关此问题的一些讨论。

它基本上是这样的：

• 不难做到（理论上）
• 保持所有基本sklearn'API并支持所有可能的情况（密集与稀疏）的痛苦

正如您在该线程以及有关自适应套索的链接线程中所看到的那样，那里没有太多活动（可能是因为没有多少人关心，并且相关论文不够流行；但这只是一个猜测）。

根据您的确切任务（大小？稀疏性？），您可以基于scipy.optimize轻松构建自己的优化器，并支持这种样本权重（虽然速度稍慢，但功能强大且精确）！