Alternating Direction Method of Multipliers (ADMM)をLassoへ適用するアルゴリズムを作成しました。(５セル目)
また、サンプルとしてボストンの物件価格を予測するプログラムを用意しました。(６〜１０セル目)
※サンプルデータとして機械学習ライブラリ『scikit-learn』の『Bostonデータセット』を使用しました。(１〜４セル目)
データ一覧
・物件データのカラム名(boston.feature_names)
CRIM・・・犯罪発生率（人口単位）
ZN・・・25,000平方フィート以上の住宅区画の割合
INDUS・・・非小売業の土地面積の割合（人口単位）
CHAS・・・チャールズ川沿いかどうか（1:Yes、0:No）
NOX・・・窒素酸化物の濃度（pphm単位）
RM・・・1戸あたりの平均部屋数
AGE・・・1940年よりも前に建てられた家屋の割合
DIS・・・ボストンの主な5つの雇用圏までの重み付きの郷里
RAD・・・幹線道路へのアクセス指数
TAX・・・10,000ドルあたりの所得税率
PTRATIO・・・教師あたりの生徒の数（人口単位）
B・・・アフリカ系アメリカ人居住者の割合（人口単位）
LSTAT・・・低所得者の割合
・物件の値段(boston.target)
ADMMを使用したアルゴリズムでの予測モデルの精度を確かめるために『scikit-learn』の『linear_model.Lasso (Coordinate Descent)』による結果と比較しています。(１１〜１３セル目)
(2月28日：追記)
ADMMを使用したアルゴリズムでの予測モデルのパラメータを『scikit-learn』の『GridsearchCV』で最適化させ、結果を前作２モデル(ADMMチューニング無しモデル、linear_model.Lassoモデル)と再比較させました。(１４〜１８セル目)
使用言語：Python3.7.1
環境：jupyter Notebook (version 5.7.4)
Kazuki Ogiwara