【天池新人赛-工业蒸汽量预测】7.核岭回归KernelRidge

有了岭回归,为什么还要引入使用核函数的岭回归呢?
  1. 原因在于,岭回归只适用于线性数据
  2. 但是数据可能是非线性的,单纯地假设真实数据服从线性关系,并用线性模型来回归真实的非线性数据,效果想必不会好。
  3. 引入kernel还能有一个好处,就是:引入kernel的RR(Ridge Regression),也就是KRR(Kernel Ridge Regression),能够处理非线性数据,即,将数据映射到某一个核空间,使得数据在这个核空间上线性可分。
KRR模型的python文档

sklearn关于KRR的官方文档,包括调用路径及参数
注意:KRR选择不同的kernel,对应的参数也不同,具体仔细看官方文档,写的很清楚

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 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

打赏作者

不停下脚步的乌龟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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