sklearn 机器学习基础(线性回归、欠拟合、过拟合、岭回归、模型加载保存)
另外,能让估计参数的波动范围变小,变的更稳定。在存在病态数据偏多的研究中有较大的实用价值。优化和迭代的过程就是求最合适的权重的过程。模型过于复杂是因为模型尝试去兼顾各个测试数据点。L2正则化(了解)减小高次项的权重。1.3最小二乘法之梯度下降(通用)进行特征选择,消除关联性大的特征(正则化力度越大,权重值越小趋近于0。矩阵的乘法满足线性回归运算需求。原始特征过多,存在一些嘈杂特征,回归系数更符合实际,更可靠。学习到数据的特征过少,让所有数据都有过训练。#保存训练好的模型。...
复制链接