博客探讨了如何防止过拟合，主要方法包括减少特征、增加数据量和使用正则化。提到LASSO与岭回归作为正则化的手段，以及弹性网结合L1和L2正则化的策略。
防止过拟合
1减少特征
2增加数据量
3正则化
个人理解:LASSO与岭回归就是标准方程法下的变形，代价函数等价于常规梯度下降的L1，L2形式
'''
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
在指定的间隔内返回均匀间隔的数字。
RidgeCV：岭回归，CV是交叉验证
alphas是岭回归系数
shape形状中，第0列是样本数量，第1列是第一维（第一个特征），第2列是第二维
'''
岭回归
import numpy as np
from numpy import g
155
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
