遇到数据特征比样本点还多的情况,不再能使用线性回归的方法,因为计算逆矩阵的时候会出错。
引入岭回归来解决特征数大于样本点个数的情况
一、岭回归
岭回归就是在矩阵 XTX 中加入 λI 来使矩阵非奇异,今儿能够计算其逆矩阵。矩阵I是一个m维的单位矩阵,对角线元素全为1, λ 是用户定义的一个数值,因此回归系数计算公式为:
【机器学习实战-python3】缩减系数来“理解”数据
最新推荐文章于 2024-04-11 15:18:37 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)
遇到数据特征比样本点还多的情况,不再能使用线性回归的方法,因为计算逆矩阵的时候会出错。
引入岭回归来解决特征数大于样本点个数的情况
一、岭回归
岭回归就是在矩阵 XTX 中加入 λI 来使矩阵非奇异,今儿能够计算其逆矩阵。矩阵I是一个m维的单位矩阵,对角线元素全为1, λ 是用户定义的一个数值,因此回归系数计算公式为: