Lasso回帰をPythonで使用するためには、scikit-learnライブラリをインストールする必要があります。以下に、Lasso回帰を使うための基本的な手順とコード例を示します。
まず、scikit-learnをインストールします。以下のコマンドを使用します。
pip install scikit-learn次に、必要なライブラリをインポートします。
from sklearn.linear_model import Lasso
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error次に、データセットを読み込みます。ここでは、scikit-learnに組み込まれているボストン住宅価格のデータセットを使用します。
boston = load_boston()
X, y = boston.data, boston.targetデータセットを訓練データとテストデータに分割します。
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)Lasso回帰モデルを作成し、訓練データで学習させます。
lasso = Lasso(alpha=0.1)
lasso.fit(X_train, y_train)学習したモデルを使って予測を行います。
y_pred = lasso.predict(X_test)予測結果の評価には、平均二乗誤差（Mean Squared Error, MSE）を使用することが一般的です。
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error:", mse)以上が、PythonでLasso回帰を使う基本的な手順とコード例です。Lasso回帰は、特徴選択やモデルの正則化に有用であり、データセットに対して適切な正則化パラメータを選択することが重要です。さまざまなalpha（正則化パラメータ）の値を試して、モデルのパフォーマンスを検証してみてください。