python 机器学习之岭回归

#岭回归主要是弥补在数据中出现异常值时，提高线性模型的稳定性，即鲁棒性robust

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from sklearn import linear_model

import sklearn.metrics as sm

#直接拿最小二乘法数据

ridgerg=linear_model.Ridge(alpha=0.5,fit_intercept=True,max_iter=10000)#alpha 越趋近于0则岭回归越趋近于线性回归

ridgerg.fit(x_train,y_train)#训练模型

y_train_pred=ridgerg.predict(x_train)#模型y值

y_test_pred=ridgerg.predict(x_test)#模型预测y值

ridgerg.coef_#打印模型参数

ridger.intercept_#截距项

print(‘R2=‘,sm.r2_score(y_test,y_test_pred))#得到R2

#模型超参数的训练

python 机器学习之岭回归

原文：https://www.cnblogs.com/thechain/p/9281609.html