fit函数算法表示_python机器学习库介绍3：岭回归函数

岭回归(Ridge Regression)是一种正则化方法，而所谓的正则化，就是对模型的参数加一个先验证假设，控制模型空间，以达到使得模型复杂度较小的目的，通过引入正则化方法能够减小均方差的大小。

岭回归通过来损失函数中引入L2范数惩罚项，来控制线性模型的复杂度，从而使得模型更稳健。Ridge实现了岭回归模型，其原型为：

class sklearn.linear_model.Ridge(alpha=1.0, fit_intercept=True,normalize=False,copy_x=True, max_iter=None,tol=0.001,solver='auto',random_state=None)

参数说明：

alpha：a值，其值越大说明正则化项的占比越大。

fit_intercept:一个布尔值，制定是否需要计算b值，如果为False，那么就不用计算b值(模型会假设你的数据已经中性化了，这里的b值是线性函数y=w1*x1+w2*x2+...+Wn*Xn +b中的b值)

max_iter：指定最大的迭代次数，值为整数。如果为None，则表示使用默认值(不同的solver其默认值不同)。

copy_x：是否复制x的布尔值，为True表示要复制。

solver:指定求解最优化问题的算法，可以为：

auto：根据数据集自动选择算法；

avd:使用奇异值分解来计算回归系数；