如何获取sklearn训练的Lasso模型所使用的特征的具体名称

sklearn自带的diabetes数据集会将特征名称存储在加载后对象的feature_names属性中，你可以结合Lasso模型的非零系数掩码直接过滤得到被使用的特征，具体实现代码如下：

from sklearn.datasets import load_diabetes 
from sklearn.model_selection import train_test_split
from sklearn.linear_model import Lasso
import numpy as np 

# 原有数据加载、拆分、模型训练逻辑
diabetes = load_diabetes()
X_train, X_test, y_train, y_test = train_test_split(diabetes['data'], diabetes['target'], random_state=263)
lasso = Lasso().fit(X_train, y_train)

# 新增获取选中特征名称的逻辑
# 读取全部原始特征名称
all_feature_names = diabetes.feature_names
# 用非零系数生成布尔掩码，过滤得到被模型使用的特征
used_feature_names = all_feature_names[lasso.coef_ != 0]

# 打印查看结果
print(used_feature_names)

如果是自定义数据集，只需提前准备好和特征矩阵列数一一对应的特征名称列表，替换上述代码中的all_feature_names，使用同样的掩码规则过滤即可得到选中的特征名称。

内容的提问来源于stack exchange，提问作者daniel stafford