Blvin.Don

机器学习实践系列(一)普通线性回归 This blog is based on sklearn dataset,i.e.,diabetes.build a linear regression model. import numpy as np from sklearn.utils import shuffle import matplotlib.pyplot as plt from skl

按照第一个教程里的普通线性回归我们在load_boston数据集上构建一个普通线性回归模型,我们看看会出现什么问题? 我们先来看看load_boston数据集 from sklearn.datasets import load_boston boston = load_boston() print(boston.data.shape) You will see something sim

同上一个教程中的岭回归(Ridge Regression)一样,LASSO回归也是为了”对付”普通线性回归的过拟合(Overfitting)问题,于岭回归不同的是LASSO回归采用了L1范式作为惩罚项,同样,有惩罚因子. from sklearn.datasets import load_boston boston = load_boston() import numpy as np fro