"""
    -*- 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