当我运行类似下面的代码时：

import numpyfrom sklearn import linear_modelA= #somethingb= #somethingclf=linear_model.Lasso(alpha=0.015, fit_intercept=False, tol=0.00000000000001,          max_iter=10000000000000, positive=True)clf.fit(A,b)

我得到了以下错误：

usr/local/lib/python2.7/dist-packages/scikit_learn-0.14.1-py2.7-linux-x86_64.egg/sklearn/linear_model/coordinate_descent.py:418: UserWarning: Objective did notconverge. You might want to increase the number of iterations' to increase the number of iterations')

有趣的是，A 矩阵从未出现秩缺陷。（我认为）

回答：

尝试增加 tol 的值。

根据文档：

tol : float, 可选

优化过程的容忍度：如果更新值小于 tol，优化代码会检查对偶间隙以判断是否达到最优，并继续运行直到对偶间隙小于 tol。

在我使用的 scikit-learn 版本中，tol 的默认值是 0.0001。我猜测你的容忍度设置得太小，以至于优化过程无法达到更低的值。