31 lines
889 B
Python
31 lines
889 B
Python
|
from sklearn import linear_model
|
|||
|
|
import numpy as np
|
|||
|
|
|
|||
|
|
def Lar(X, y, nums=40):
|
|||
|
|
"""
|
|||
|
|
使用 LARS（Least Angle Regression）选择重要的特征波长。
|
|||
|
|
|
|||
|
|
参数：
|
|||
|
|
X : np.ndarray，预测变量矩阵（输入数据）
|
|||
|
|
y : np.ndarray，标签（目标值）
|
|||
|
|
nums : int，选择的特征点数量，默认为 40
|
|||
|
|
|
|||
|
|
返回：
|
|||
|
|
np.ndarray，选择的特征波长索引
|
|||
|
|
"""
|
|||
|
|
# 初始化 LARS 模型
|
|||
|
|
Lars = linear_model.Lars()
|
|||
|
|
|
|||
|
|
# 拟合模型
|
|||
|
|
Lars.fit(X, y)
|
|||
|
|
|
|||
|
|
# 获取回归系数的绝对值，表示特征的重要性
|
|||
|
|
corflist = np.abs(Lars.coef_)
|
|||
|
|
|
|||
|
|
# 将系数转换为数组并按重要性排序，选择前 nums 个最重要的特征
|
|||
|
|
SpectrumList = np.argsort(corflist)[-nums:][::-1]
|
|||
|
|
|
|||
|
|
# 对选择的特征索引进行排序，保证顺序一致
|
|||
|
|
SpectrumList = np.sort(SpectrumList)
|
|||
|
|
|
|||
|
|
return SpectrumList
|