多语言 程序语言专家。 它用于检测程序语言，就像，但基于朴素贝叶斯分类器。 入门 使用pip安装 pip install git+https://github.com/polyrabbit/polyglot 首先，我们需要在多语言训练语料库上训练多语言，语料库中的每个文件夹都应该包含名称由文件夹标识的相同语言的文件。 例如 polyglot train --corpus=./corpus --ngram=3 --verbose --output=./model.json 使用上述命令生成预先包含的 。 运行polyglot train --help以了解使用细节。 训练后，我们可以使用朴素贝叶斯分类器对给定文件进行分类。 例如 echo import os | polyglot classify --ngram=3 --top=3 --verbose --model=./mode

在压缩感知的稀疏重构算法中，凸优化是一类非常重要的重构算法。LASSO算法是L1范数重构的算法

压缩感知BP LASSO OMP STOMP算法（内含完整代码，包括DWT.m、fdrthresh.m|FWT_PO.m、SolveBP.m等M文件，有详细注释）

biglasso：biglasso：将套索模型拟合扩展到R中的大数据

本人自己编写的，使用R语言，通过并行运算实现ADMM算法求解Lasso的程序，对于学习R语言并进行并行计算和分布式统计计算很有帮助。

回归模型是我们在处理数据中常用的方法。其中，Lasso模型是一种适用于多重共线性问题，能够在参数估计的同时实现变量的选择的回归方法。本文从lasso模型的概念谈起，对其起源、思想、与岭回归的比较、通过lar的算法实现等方面进行了探究。另外还使用R语言对简单案例进行lasso模型的应用。最后简述了lasso模型的研究现状

利用R语言,建立了lasso-logistic模型，研究了影响居民对传统小吃爱好程度的因素，内附本例完整代码。

利用随机坐标下降法和循环坐标下降法求解lasso回归，并作比较。

包含了线性回归无法进行时所引出的岭回归和LASSO回归，使用python实现，其中文件路径可以根据自己路径修改，或者使用os库来写入相对路径

Lasso与其他变量选择方法的模拟比较，胡一睿，曲荣华，[目的]提出一种基于收缩估计的新的变量选择方法-Lasso，并比较其与其他变量选择方法的异同。[方法]首先给出了几种常见的变量选择方�