初探 岭回归 LASSO回归 (python 实现)

本文通过Python实现岭回归和LASSO回归,并通过MSE评估估计效果。作者生成随机数据,使用不同维度的数据集,寻找最优模型参数,对比岭回归与LASSO回归的估计结果。

作为一名曾经研究过人工神经网络的菜鸟,前两天刚听说有岭回归估计和LASSO估计,统计学老师也布置了作业,然,在不甚理解的情况下,用Python写了一下,也不知是否正确。不合适的地方请不吝赐教。

作业如下:

\LARGE y=x*\beta +\varepsilon

x,y已知,分别用岭估计和LASSO估计,估计\LARGE \beta的值,并使用MSE评估估计结果。

个人理解:

在完全没有数据的情况下,很显然,需要随机生成一些数据。在年少的时候就知道,若已知\LARGE \beta\LARGE \varepsilon值,给定一个x就会有个y生成。

所以

第一步:肯定是要生成一批y,将\LARGE \beta作为真实值,用来与接下来估计出的值进行比较。

第二步,应该是在给定x,y的条件下,使用岭估计和LASSO估计来得到\LARGE \beta的估计值。

(额,好像说

评论 5
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