所用模块:
sklearn,numpy,time
实现功能:
这里只给出一般的应用方法,参数说明,源文档翻译将在后期提供。
(1)一般回归
(2)岭回归
(3)Lasso回归
(4)lars回归
(5)贝叶斯回归
(6)ARD回归
(7)RBF的逼近
一、一般的回归
http://blog.csdn.net/zhangweiguo_717/article/details/52821267
二、岭回归
岭回归使用的最小误差与一般回归中有差别,尤其注意的是,多了一个alpha参数,这个参数可人工选取,也可选用算法智能截取,常用的截取办法有交叉验证,alpha默认取1,当取alpha为0时,就是一般的回归。
#-*-coding:utf-8-*-
'''
created by zwg in 2016-10-21
'''
#岭回归
from sklearn import linear_model as lm
from matplotlib import pyplot as pl
import numpy
import time
x=numpy.random.rand(100,2)
y=0.2*x[:,0]+x[:,1]*0.1+1
t0=time.time()
F1=lm.RidgeCV()
F1.fit(x,y)
y1=F1.predict(x)
t1=time.tim