sklearn中随机套索和逻辑回归的差异？

在python sklearn库中，同时支持RandomizedLogisticRegression和RandomizedLasso作为特征选择方法。

但是，它们都使用L1（Lasso）惩罚，我不确定为什么都实现了它们。实际上，尽管我将Lasso回归称为L1正规化logistic回归的另一个术语，但似乎有些差异。我认为，即使是带有L1惩罚（与重采样结合）的Linear SVM也将产生类似的结果。

它们之间有显着差异吗？

来自：http : //scikit-learn.org/stable/modules/feature_selection.html#randomized-l1

RandomizedLasso使用Lasso实现此策略进行回归设置，而RandomizedLogisticRegression使用logistic回归并且适用于分类任务。要获得稳定性得分的完整路径，可以使用lasso_stability_path。

RandomizedLasso用于结果连续的回归。另一方面，RandomizedLogisticRegression用于分类，其中结果是类别标签。