zyl26的专栏

基本概念 在最小二乘法概念及scikit-learn实操中，提到最小二乘法适用于为满秩矩阵或正定矩阵，

基本概念 与岭回归相比，Lasso采用增加L1正则化的方式，其目标函数为 其中称为L1正则化项，称为正则化项的系数。与L2正则化相比，L1正则化会使得部分参数为零。这个特性可被用于特征选择或者降维。 代码实现 假设目标函数为 已知当，，时，，当，, 时，，设置正则化项的系数为0.5 则Lasso回归求参数的代码如下所示 from sklearn import linear_model rep = linear_model.Lasso(alpha=0.5) rep.fit([[a1,b1,

LinearRegression的fit函数实现 假设目标函数为 已知当，时，，当，时，， 则最小二乘法求参数的代码如下所示 from sklearn import linear_model reg = linear_model.LinearRegression() reg.fit([[a1, b1], [a2, b2]], [c1, c2]) print(reg.coef_) print(reg.intercept_) reg.coef_就是，reg.intercept_就是 ...