41 lines
1.1 KiB
Python
41 lines
1.1 KiB
Python
"""
|
||
-*- 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 |