超级会员免费看
本文介绍了Lasso回归、ElasticNet回归及其正则化原理，解释了为何L1正则化能筛选特征。此外，详细阐述了多项式回归在处理非线性数据时的作用，以及如何通过sklearn.preprocessing的PolynomialFeatures进行数据转换。最后对比了不同正则化方法与多项式回归对模型拟合的影响。
Lasso回归用的是L1正则化可以看到,这里的alpha就是
这里的alpha对吧,就是
L1的权重
然后对于ElasticNet回归来说,这里的alpha可以看到是L1权重的超参数对吧,然后这里的p,表示的是
L2正则里面的(1-p)这里
订阅专栏 解锁全文
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
Lasso回归用的是L1正则化可以看到,这里的alpha就是这里的alpha对吧,就是
L1的权重
然后对于ElasticNet回归来说,这里的alpha可以看到是L1权重的超参数对吧,然后这里的p,表示的是
L2正则里面的(1-p)这里
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
