scikit-learn 之岭回归

最新推荐文章于 2025-03-25 08:04:18 发布

Victoria1997

最新推荐文章于 2025-03-25 08:04:18 发布

阅读量425

点赞数

分类专栏： scikit learn 文章标签： scikitlearn 岭回归

本文链接：https://blog.youkuaiyun.com/weixin_43451186/article/details/86291890

版权

本文探讨了scikit-learn库中的岭回归，包括基本操作和如何通过留一交叉验证确定正则化参数alpha。通过示例展示了如何在不同regularization参数下调整系数，并介绍了希尔伯特矩阵的概念。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

scikit-learn 之岭回归

基本语句

from sklearn import linear_model
reg = linear_model.Ridge(alpha = 0.5)
reg.fit([[0,0],[1,1],[2,2]],[0,1,2])
reg.coef_ #coeficients
reg.intercept_

Plot Ridge coefficients as a function of the regularization

from sklearn import linear_model
reg = linear_model.Ridge(alpha = 0.5)
reg.fit([[0,0],[1,1],[2,2]],[0,1,2])
reg.coef_ #coeficients
reg.intercept_
#Plot Ridge coefficients as a function of the regularization
import numpy as np
import matplotlib.pyplot as plt
from sklearn import linear_model
x = 1/(np.arange(1,11