用TensorFlow实现lasso回归和岭回归算法的示例

# LASSO and Ridge Regression# lasso回归和岭回归# # This function shows how to use TensorFlow to solve LASSO or # Ridge regression for # y = Ax + b# # We will use the iris data, specifically: #  y = Sepal Length #  x = Petal Width# import required librariesimport matplotlib.pyplot as pltimport sysimport numpy as npimport tensorflow as tffrom sklearn import datasetsfrom tensorflow.python.framework import ops# Specify 'Ridge' or 'LASSO'regression_type = 'LASSO'# clear out old graphops.reset_default_graph()# Create graphsess = tf.Session()#### Load iris data#### iris.data = [(Sepal Length, Sepal Width, Petal Length, Petal Width)]iris = datasets.load_iris()x_vals = np.array([x[3] for x in iris.data])y_vals = np.array([y[0] for y in iris.data])#### Model Parameters#### Declare batch sizebatch_size = 50# Initialize placeholdersx_data = tf.placeholder(shape=[None, 1], dtype=tf.float32)y_target = tf.placeholder(shape=[None, 1], dtype=tf.float32)# make results reproducibleseed = 13np.random.seed(seed)tf.set_random_seed(seed)# Create variables for linear regressionA = tf.Variable(tf.random_normal(shape=[1,1]))b = tf.Variable(tf.random_normal(shape=[1,1]))# Declare model operationsmodel_output = tf.add(tf.matmul(x_data, A), b)#### Loss Functions#### Select appropriate loss function based on regression typeif regression_type == 'LASSO':  # Declare Lasso loss function  # 增加损失函数，其为改良过的连续阶跃函数，lasso回归的截止点设为0.9。  # 这意味着限制斜率系数不超过0.9  # Lasso Loss = L2_Loss + heavyside_step,  # Where heavyside_step ~ 0 if A <p></p><p>输出结果：</p><blockquote>Step #300 A = [[ 0.77170753]] b = [[ 1.82499862]]Loss = [[ 10.26473045]]Step #600 A = [[ 0.75908542]] b = [[ 3.2220633]]Loss = [[ 3.06292033]]Step #900 A = [[ 0.74843585]] b = [[ 3.9975822]]Loss = [[ 1.23220456]]Step #1200 A = [[ 0.73752165]] b = [[ 4.42974091]]Loss = [[ 0.57872057]]Step #1500 A = [[ 0.72942668]] b = [[ 4.67253113]]Loss = [[ 0.40874988]]</blockquote><p style="text-align: center"><img alt="" src="https://img.php.cn/upload/article/000/153/291/21711bb30ee2d5281624f1c95da8ad5c-0.png"> <br></p><p   style="max-width:90%"><img alt="" src="https://img.php.cn/upload/article/000/153/291/953f34efbdef72283a9eed18172bf019-1.png"></p><p>通过在标准线性回归估计的基础上，增加一个连续的阶跃函数，实现lasso回归算法。由于阶跃函数的坡度，我们需要注意步长，因为太大的步长会导致最终不收敛。</p><p>