岭回归原理及代码实现

最新推荐文章于 2025-03-11 09:00:00 发布

幸福诗歌

最新推荐文章于 2025-03-11 09:00:00 发布

阅读量3.4k

点赞数

分类专栏： AI

本文链接：https://blog.youkuaiyun.com/boke14122621/article/details/105117599

版权

岭回归是一种解决特征数量大于样本数量问题的统计方法，通过在原矩阵中添加惩罚项来确保矩阵可逆。本文介绍了岭回归的基本原理，并利用Longley数据集展示了如何用标准方程法进行代码实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

岭回归
特征数量比样本数量多的情况
在这里插入图片描述
𝑋𝑇𝑋 + 𝜆𝐼 主要做了这部分修改，加上了特征值乘以单位矩阵，使得原始矩阵变成可逆矩阵。求导过程：

使用Longley数据集实现岭回归

import numpy as np
from numpy import genfromtxt
from sklearn import linear_model
import matplotlib.pyplot as plt
# 读入数据 
data = genfromtxt(r"longley.csv",delimiter=',')
print(data)
# 切分数据
#特征值为从第一行开始的所有行/从第二列开始的所有列
x_data = data[1:,2:]  
#样本值为第一行第一列
y_data = data[1:,1]
print(x_data)