Python_sklearn_回归

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