sklearn.linear_model.LassoCV最终拟合前强制设precompute为False的问题咨询

最近在处理超大规模数据集时，我碰到了一个特别头疼的问题：100×3折交叉验证的LASSO拟合速度快得超出预期，但到了最后一步——用交叉验证选定的alpha值在全数据集上拟合LASSO时，程序突然停滞不前，速度慢得离谱。

经过反复排查，终于找到了问题的根源：在Python2.7搭配scikit-learn 0.19.0版本的coordinate_descent.py文件中，LinearModelCV.fit()方法在调用最终的model.fit()之前（第1223行），存在一行极易被忽略的代码：

model.precompute = False

这行代码会强制把预计算参数设为False，完全覆盖我们在初始化LassoCV时指定的precompute=True，导致预计算功能失效，直接拖慢了全数据集的拟合速度。

可行的解决方案 #

方案1：修改scikit-learn源码（最直接高效）

找到你的scikit-learn安装路径下的coordinate_descent.py文件，定位到LinearModelCV.fit()方法的第1223行，将model.precompute = False这一行注释掉或者直接删除。这样预先设置的precompute=True就能正常生效，全数据集拟合的速度会立刻回到预期水平。

方案2：手动初始化Lasso重新拟合

如果你不想修改源码，可以绕开LassoCV的最后一步拟合，手动提取交叉验证得到的最优alpha值，重新初始化一个Lasso实例并开启预计算：

# 执行交叉验证，获取最优alpha
lasso_cv = LassoCV(precompute=True, cv=3, n_alphas=100)
lasso_cv.fit(X_partial, y_partial)

# 用最优alpha初始化新的Lasso，开启预计算后拟合全数据集
final_lasso = Lasso(alpha=lasso_cv.alpha_, precompute=True)
final_lasso.fit(X_full, y_full)

内容的提问来源于stack exchange，提问作者Luke Shirley