zw_James的博客

岭回归是一种专用于共线性数据分析的有偏估计回归方法，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（有偏和无偏 https://www.zhihu.com/question/22983179），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。 当自变量间存在多重共线性时，回归系数估计的方差就很大，估计值就很不稳定，此时模型或

实验结果： 因为训练集中缺失标签是随机的，我只对测试集进行了结果评判。在不加语义约束的情况下，AP率最高为0.16以上，加语义约束的情况下，AP率最高为0.3以上 遇到的问题： （1）AP率比较低，在不同缺失比例下，不加语义约束时，论文中的AP率为0.3到0.4左右，而我的代码在不加语义约束的情况下仅为0.16左右 （2）论文中的AP率最高也仅为0.5左右，而当我把所有标签都视为负标签的...