前兩天介紹了線性回歸和幾種正規化方法的概念，今天來講要如何使用python實作，以及幾種常用參數介紹

環境建置

在開始之前先講一下我所使用的環境！

• Anaconda（ https://www.anaconda.com/download ）
• jupyter notebook（ https://jupyter.org/ ）
• 當然還有python！ （ https://www.python.org/ ）

我這邊python版本是3.9.13

你可能會遇到的問題（因為我遇到過QQ）

jupyter notebook的預設瀏覽器為什麼是Microsoft Edge（或是其他你有的瀏覽器)

• 聲明一下，沒有說它不好的意思，只是我個人更習慣Google Chrome的介面
  1. 如過你遇到了類似的問題，可以到你下載jupyter notebook的資料夾，找到.jupyter中的jupyter_notebook_config.py檔案並打開（用一般文字編輯器就可以）
  2. 在剛剛開啟的檔案中找到（此時他是註解狀態）

     #c.NotebookApp.browser = u''
     

  3. 刪掉＃，後面加上你想用的瀏覽器地址

     c.NotebookApp.browser = u'C:/Program Files (x86)/Google/Chrome/Application/chrome.exe %s'
     

  4. 最後存檔就完成啦！（重新打開jupyter notebook就會是在你希望的瀏覽器了）

jupyter notebook怎麼切換到我幫它準備好的資料夾

• 我當時在D槽幫它開了一個資料夾，結果打開發現它找不到！！
  1. 一樣到你下載jupyter notebook的資料夾，找到.jupyter中的jupyter_notebook_config.py檔案並打開（用一般文字編輯器就可以）
  2. 在剛剛開啟的檔案中找到（此時他是註解狀態）

     #c.NotebookApp.notebook_dir = u''
     

  3. 刪掉＃，後面加上你想用的資料夾地址

     c.NotebookApp.notebook_dir = u'D:\\JupyterNotebook'
     

  4. 最後存檔就完成啦！（重新打開jupyter notebook就會出現你設定好的資料夾了）

實作程式碼

• 我這邊都是用sklearn上面的模型進行實作

常用參數

• alpha：乘以正規項的係數
• l1_ratio：L1正規化的比例，l1_ratio=0代表l2正規化，l1_ratio=1代表L1正規化

Lasso

from sklearn.linear_model import ElasticNet

alphas = np.logspace(-6, 6, 100) #正規化係數
mdl = ElasticNet()

for a in alphas:
    mdl.set_params(alpha=a,l1_ratio=1)
    mdl.fit(X_std, y)
    print(mdl.coef_)

Ridge

from sklearn.linear_model import ElasticNet

alphas = np.logspace(-6, 6, 100) #正規化係數
mdl = ElasticNet()

for a in alphas:
    mdl.set_params(alpha=a,l1_ratio=0)
    mdl.fit(X_std, y)
    print(mdl.coef_)

ElasticNet

from sklearn.linear_model import ElasticNet

alphas = np.logspace(-6, 6, 100) #正規化係數
mdl = ElasticNet()

for a in alphas:
    mdl.set_params(alpha=a,l1_ratio=0.5)
    mdl.fit(X_std, y)
    print(mdl.coef_)

參考資料

• https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.ElasticNet.html
• https://weirenxue.github.io/2021/06/12/python_jupyter/ (jupyter notebook相關設定)