这两个模型都是针对线性回归模型linear_model,区别在于使用了不同的损失函数或者不同的正则项函数
相关指数R2知识介绍
回归平方和+残差平方和=总偏差平方和
残差平方和=sum(y预测i-y观测i)^2
总偏差平方和=sum(y观测i-y观测平均)^2
回归平方和=sum(y预测i-y观测平均)^2
R2=1-残差平方和/总偏差平方和
import numpy as np # 数组库
import matplotlib.pyplot as plt # 作图库
from sklearn.metrics import r2_score # 使用R2相关指数作为模型指标 ,metrics:指标库
# 构造数据集
np.random.seed(42) # 随机种子
n_samples, n_features = 50, 200 # 样本数,特征数母
X = np.random.randn(n_samples, n_features)# 构造训练特征矩阵
coef = 3 * np.random.randn(n_features) # 构造权重数组大小