1. Ridge Regression
上图的公式 +后面是惩罚项,用来保证泛化能力的;+ 前面是我们的损失函数,用来保证我们的拟合效果的,而α是一个参数,用来让你决定更看重正确性还是泛化性,|| | |这个代表加和,即w0+w1+…
对于泛化性和正确性的评估:
当我们有数据时,把它分为两部分,训练集和测试集,一般训练集比较多
正确性:通过模型对训练集里的数据求一下正确性,看拟合程度怎么样
泛化性:通过模型对测试集里的数据来看正确性怎么样,
代码实现1:
官网:https://scikit-learn.org/stable/modules/linear_model.html#ridge-regression
import numpy as np
from sklearn.linear_model import Ridge
from sklearn.linear_model import SGDRegressor
X = 2 * np.random.rand(100, 1)
y = 4 + 3 * X + np.random.randn(100, 1)
ridge_reg = Ridge(alpha=1, solver='auto')
ridge_reg.fit(X, y)
# 预测
print(ridge_reg.predict([[1.5]]))
# 截距
print(ridge_reg