概述

具有 L2 正则化的线性最小二乘法. 岭回归是一种专用于共线数据分析的有便估计回归方法, 实质上是一种改良的最小二乘估计法, 通过放弃最小二乘法的无偏性, 以损失部分信息, 降低精度为代价获得回归系数更为符合实际, 更可靠的回归方法, 对病态数据的拟合要强于最小二乘法. 当数据集中存在共线性的时候, 岭回归就会有用.

sklearn.linear_model.Ridge

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)**
  """
  :param alpha:float类型，正规化的程度
  """

  

 

  
1
  
2
  
3
  
4
 

from sklearn.linear_model import Ridge
clf = Ridge(alpha=1.0)
clf.fit([[0, 0], [0, 0], [1, 1]], [0, .1, 1]))

  

 

  
1
  
2
  
3
 

方法

score(x, y, smple_weight=None)

clf.score()

  

 

  
1
 

属性

coef_

clf.coef_
array([ 0.34545455,  0.34545455])

  

 

  
1
  
2
 

intercept_

clf.intercept_
0.13636...

  

 

  
1
  
2
 

文章来源: iamarookie.blog.csdn.net，作者：我是小白呀，版权归原作者所有，如需转载，请联系作者。

原文链接：iamarookie.blog.csdn.net/article/details/111310392