在python sklearn库中，RandomizedLogisticRegression和RandomizedLasso都支持作为功能选择方法。
然而，他们都在使用L1（拉索）惩罚，我不确定为什么两者都被执行。事实上，我认为拉索回归是L1正则化逻辑回归的另一个术语，但可能有一些不同。我认为即使是具有L1惩罚的线性SVM（结合重采样）也会产生类似的结果。
他们之间有显著差异吗？
来源：http://scikit-learn.org/stable/modules/feature_selection.html#randomized-l1
RandomizedLasso使用Lasso为回归设置实现此策略，而RandomizedLogisticRegression使用逻辑回归，适用于分类任务。要获得完整的稳定性分数，可以使用lasso_stability_path。
RandomizedLasso用于回归，其中结果是连续的。另一方面，RandomizedLogisticRegression用于分类，其中结果是一个类别标签。