理解线性回归(三)——岭回归Ridge Regression

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
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值