避免线性回归的过拟合(二):线性回归的改进——岭回归(附波士顿房价预测案例源代码)

线性回归的改进-岭回归 文章源代码下载地址:波士顿房价岭回归正则化预测代码实现 文章目录线性回归的改进-岭回归1.API2.观察正则化程度的变化,对结果的影响?3.波士顿房价正则化预测代码4.结果 1.API sklearn.linear_model.Ridge(alpha=1.0, fit_intercept=True,solver=“auto”, normalize=False) 具有l2正则化的线性回归 alpha:正则化力度,也叫 λ λ取值:0~1 1~10 solver:会根据数据自动选择优化方法 sag:如果数据集、特征都比较大,选择该随机梯度下降优化 normalize:数据