我们在上一接提到了:如果数据的特征比样本点多,一般加入正则化,这种方法称之为“岭回归”,通过缩减系数来理解数据。
简单来说,岭回归就是在矩阵
XTX
上加入一个
λI
正则项来使得矩阵非奇异(可逆),其中I是单位矩阵,则回归系数的jisuango9ngshi变为:
岭回归最先用来处理特征数多于样本数的情况,现在也可以用此法来在估计中加入偏差,从而达到更好的估计。 λ 的引入限制了所有w之和,能够减少不重要的参数。(统计学中称之为缩减)
上面的函数用来计算回归系数(在一个
λ
下),为了使用岭回归和缩减技术,首先要对特征进行标准处理化(归一化),使每维特征具有相同的重要性:
在数据集‘abalone’上运行,共有8个特征,下图反映了,每个特征在不同的lambda下回归系数变化情况,最左边可以得到所有系数的原始值(与线性回归一致),在右边,系数全部缩减为0.
另外一种缩减法:前向逐步回归,它属于一种贪新算法:每一步都尽量减小误差,一开始,所有权重都设为1,然后每一步所做的决策是对某个权重增加或减少一个很小的值。
伪代码::
交叉验证
基本思想是把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set),首先用训练集对分类器进行训练,再利用验证集来测试训练得到的模型(model),以此来做为评价分类器的性能指标。可参考http://blog.csdn.net/chl033/article/details/4671750。
本篇代码(交叉验证测试岭回归):
链接:http://pan.baidu.com/s/1eSfwXYq 密码:xnei