初始提交

classification_model/WaveSelect/Lar.py

@@ -0,0 +1,41 @@
+"""
+    -*- coding: utf-8 -*-
+    @Time   :2022/04/12 17:10
+    @Author : Pengyou FU
+    @blogs  : https://blog.csdn.net/Echo_Code?spm=1000.2115.3001.5343
+    @github : https://github.com/FuSiry/OpenSA
+    @WeChat : Fu_siry
+    @License：Apache-2.0 license
+"""
+
+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