Python的sklearn库摘要

作者:, 发表于

1.线性回归

1.1.Ridge回归(也包括普通回归)

优化目标:

\[ \frac{1}{2 n_samples}  ||y - Xw||^2_2 + \alpha  ||w||_2^2 \]

from sklearn import linear_model
reg = linear_model.Ridge(alpha = .5)  # alpha设置为0为普通回归
reg.fit(x, y) 
reg.coef_ # x的系数
reg.intercept_ # 常数项

1.2.Ridge回归(CV)

reg = linear_model.RidgeCV(alphas=(0.1, 1.0, 10.0), fit_intercept=True, normalize=False, scoring=None, cv=None, gcv_mode=None, store_cv_values=False) # 自动搜寻最佳参数
reg.alpha_

1.3.Lasso回归

优化目标:

\[ \frac{1}{2 n_samples} ||y - Xw||^2_2 + \alpha ||w||_1 \]

reg = linear_model.Lasso()

1.4.Lasso回归(CV)

reg = linear_model.LassoCV()

1.5.Elastic Net

优化目标

\[ \frac{1}{2 n_samples} ||y - Xw||^2_2 + \alpha * l1_ratio * ||w||_1 + \frac{1}{2} \alpha (1 - l1_ratio) ||w||^2_2 \]

linear_model.ElasticNet(alpha=0.5, l1_ratio=0.5)
Linear_model.ElasticNetCV()

Q.E.D.


上一篇:Python的numpy摘要2017年1月14日
numpy是python的(事实)标准矩阵库,很多其它库(比如pandas, sklearn)都以numpy为数值处理对象,因此也是其它库的基础。 属性 arr.shape # 等价于matlab的si


  • 支持使用微薄、微信和QQ的账户登陆进行评论。由各自网站直接认证,不会泄露你的密码。
  • 登陆后可选择分享评论到所绑定的社交网络,如微薄、人人和QQ空间。
  • 评论提交后无法修改。如需修改,请删除原评论再重新提交。
  • 评论支持LaTeX代码,行内公式请用\(a+b=c\),行间公式请用\[a+b=c\]。公式只支持英文字符。