岭回归
发布日期:2021-07-03 20:40:23
浏览次数:1
分类:技术文章
本文共 723 字,大约阅读时间需要 2 分钟。
岭回归
文章目录
一.什么是岭回归
之前,大体看了并了解了线性回归的东西,并在之后的学习中,大体直到了过拟合以及正则化的一些概念。需要指出的是:线性回归:Linearregression是很容易出现过拟合的。为了处理过拟合,岭回归就是一个很不错的选择。
所谓岭回归,本质上就是一个带有正则化的线性回归(其实用的是L2正则化)。是一种专用于共线性数据分析的有偏估计回归方法,实质上是一种改良的最小二乘估计法,通过放弃最小二乘法的无偏性,以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法。
关于岭回归底层的一些内容,参考这个文章:第三部分二.岭回归的使用
在sklearn中,为我们提供了相关的API
sklearn.linear_model.Ridgesklearn.linear_model.Ridge(alpha=1.0) #具有l2正则化的线性最小二乘法"""alpha:正则化力度coef_:回归系数"""
拿之前的波士顿房价的案例为例:我们在myLiner()函数的结尾加上:
# 岭回归去进行房价预测 rd = Ridge(alpha=1.0) rd.fit(x_train, y_train) #print(rd.coef_) y_rd_predict = std_y.inverse_transform(rd.predict(x_test)) print("岭回归预测房价",y_rd_predict) print("岭回归军方误差",mean_squared_error(std_y.inverse_transform((y_test)),y_rd_predict))
转载地址:https://blog.csdn.net/johnny_love_1968/article/details/116138547 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
第一次来,支持一个
[***.219.124.196]2024年04月27日 09时08分12秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
单目深度估计 monodepth2模型 代码
2019-04-30
位图索引Bitmap indexes
2019-04-30
YOLO算法(二)—— Yolov2 & yolo9000
2019-04-30
YOLO算法(三)—— Yolov3 & Yolo系列网络优缺点
2019-04-30
Python的__future__模块
2019-04-30
计算机视觉中的cost-volume的概念具体指什么(代价体积)
2019-04-30
启发函数heuristic 与 A*
2019-04-30
Image Pyramid(图像金字塔)
2019-04-30
Oracle 作业记录
2019-04-30
putty连接AWS配置(multimedia project)
2019-04-30
Hourglass Network 沙漏网络 (pose estimation姿态估计)
2019-04-30
OpenCV实战(二)——答题卡识别判卷
2019-04-30
目标检测神经网络的发展历程(52 个目标检测模型)
2019-04-30
Boundary loss 损失函数
2019-04-30
tensorflow使用tensorboard进行可视化
2019-04-30