Python实现ridge和lasso

本文详细介绍了如何使用Python实现岭回归(Ridge Regression)和套索回归(Lasso Regression)这两种正则化线性回归模型。通过实例代码,展示了如何导入必要的库,构建模型,训练数据,并对模型的性能进行评估。了解这些方法对于解决过拟合问题和特征选择至关重要。
摘要由CSDN通过智能技术生成
# -*- coding: utf-8 -*-
"""
Created on Mon Nov 12 17:07:16 2018

@author: wp:lasso|ridge 
"""
#经典鸢尾花数据集
from sklearn.datasets import load_iris

iris = load_iris()

data_x = iris.data 
data_y = iris.target


#带入需要的包、库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection  import train_test_split
from sklearn.linear_model import Ridge,RidgeCV
from sklearn.linear_model import Lasso,LassoCV
from sklearn.metrics import mean_squared_error

x_tr,x_te,y_tr,y_te = train_test_split(data_x,data_y,train_size = 0.7,random_state =22)
######################ridge########################################
#通过不同的alpha值 生成不同的ridge模型
alphas = 10**np.linspace(-10,10,100)
ridge_cofficients = []

for alpha in alphas:
    ridge = Ridge(alpha = alpha, normalize=True)
    ridge.fit(x_tr, y_tr)
    ridge_cofficients.append(ridge.coef_)
    
 #画出alpha和回
  • 2
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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