稀疏数据集处理方法_lasso回归的交叉验证图怎么看[通俗易懂]

 Sparco是一个稀疏信号恢复的测试框架，论文参考http://file:///E:/DownLoad/CromeDownload/Sparco_A_testing_framework_for_sparse_reconstructi.pdf在我的理解里，就是一个可以方便提供各种基准数据集的工具箱。我们在研究的时候，经常需要测试提出的算法在实际的工程数据上的效果，这个时候就需要获取一些公开的数据集进行测试了。

1. 第一步，获得sparco工具箱。原始论文中的链接我已经打不开了，当然也有可能是我个人电脑原因。我在github上找到了其源码，https://github.com/MPF-Optimization-Laboratory/Sparco，亲测满足基本使用。直接下载zip压缩包，然后解压到英文路径下就可以了。

2. 安装。打开matlab，切换路径到sparco解压路径下，然后运行sparcoSetup.m就可以自动完成安装了。在github的readme里面也有详细介绍，有需要可以参阅。

3. 使用。SPARCO工具箱是一个只能使用matlab运行的，但是我个人想用python进行算法编写和数据处理，所以我这里只描述如何把数据集数据导出来。

  基本操作：比如我们想要用sparco7数据集，那就写P=generateProblem(7);获得的P是一个结构体。可以通过P.A来访问里面的A元素等等。

但是可以看到这里的A,B,M阵的数据类型和我们平时用的double,int等不一样，我觉得这是Sparco工具箱特定的类型。你如果直接在matlab里面编程，那A和x0这两个不同数据类型是可以直接相乘的。

我想获得double类型的矩阵A，怎么处理呢？看过开头论文的知道，A=MB，那可以采用如下方法：

也就是说opDiract和opGuassian这两种数据类型是可以直接强制转为double类型的。Aa就是我们得到的和A对应的double类型的矩阵。然后将其保存为mat文件，就可以用其他语言直接从mat文件里面进行加载和后续处理了。

以上是我在实际应用时候摸索的，也对得到的double类型的Aa进行了验证测试。如果有什么不对的，希望大家交流指正。 

今天的文章稀疏数据集处理方法_lasso回归的交叉验证图怎么看[通俗易懂]分享到此就结束了，感谢您的阅读。