岭回归——Ridge

Ridge回归通过对系数的大小施加惩罚来解决普通最小二乘法的一些问题,岭系数最小化的是带惩罚项的残差平方和
在这里插入图片描述
其中惩罚项的系数越大,收缩量越大,这样的系数对共线性的鲁棒性也更强
与其他的线性模型一样,Ridge用fit方法将模型系数存储在conf_成员中

from sklearn import linear_model
reg = linear_model.Ridge(alpha=.5)
reg.fit([[0,0],[0,0],[1,1]],[0,.1,1])

输出
在这里插入图片描述

reg.coef_
reg.intercept_

输出
在这里插入图片描述

在这里插入图片描述
下面解释一下sklearn.linear_model.ridge

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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