理解线性回归（三）——岭回归Ridge Regression

最新推荐文章于 2025-05-15 08:44:25 发布

bigface1234fdfg

最新推荐文章于 2025-05-15 08:44:25 发布

阅读量1.6w

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Machine Learning&&Data Mining 文章标签：分类算法 LR 岭回归

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/puqutogether/article/details/40863943

本文将详细解析线性回归的扩展——岭回归（Ridge Regression），包括其基本模型介绍和具体调用方法的阐述。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

理解线性回归（三）——岭回归Ridge Regression

1. 基本模型

岭回归是在前篇介绍普通最小二乘法回归（ordinary least squares regression）的基础上，加入了对表示系数的L2-norm约束。其目标函数为：

我们可以看到the first term 表示对回归表示后的误差最小，the second term是表示系数的均方根最小化。需要之处的是，这种对系数的约束在sparse coding, dictionary learning也是经常用到的。而且经常会有不同的范数norm要求。

&nb

最低0.47元/天解锁文章

200万优质内容无限畅学

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

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。