python/scikit-learn机器学习库(回归分析)

这篇博客介绍了使用scikit-learn库进行回归分析,重点探讨了最小二乘法回归和岭回归。最小二乘法是最基本的回归方法,而岭回归在面对数据共线性时能提供更稳定的结果。文中还提到了Generalized Cross-Validation作为选择Ridge Regression参数的方法。
摘要由CSDN通过智能技术生成

广义的线性回归模型为:
回归公式
scikit-learn库中将coef_结果存放为coef_,将intercept_结果存放为intercept_。

回归模型
最小二乘法回归

最小二乘法计算目标就是:
Ordinary Least Squares

from sklearn import linear_model
clf=linear_model.LinearRegression()
clf.fit(train_X,train_Y)

Ridge Regression岭回归

岭回归是一种用于共线性数据分析的有偏估计回归方法,放弃了最小二乘法的无偏性,以损失部分信息,获得的回归系数更为符合实际,对病态数据的适用性强于最小二乘法。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值