Linear Model多模型封装合集
线性模型的代码资源里头,linear_model.py
这个文件还挺全乎的。常见的几种模型——线性回归、岭回归、Lasso、ElasticNet、逻辑回归、LDA——都打包在一个地方,用起来方便,结构也清晰。
LinearRegression
和LogisticRegression
应该都不陌生,平时做预测和分类最常用。像Ridge
和Lasso
这类带正则项的模型,训练过程更稳一点,挺适合数据维度比较高的时候。
代码实现上用的还是sklearn那一套,接口统一,换模型就是几行的事儿。比如你要换成Lasso
,只改一行就行,模型训练和预测都不用怎么动。
想了解具体细节的,你可以看看下面这些文章:线性回归岭回归逻辑回归聚类那篇得还比较综合,LASSO 回归实践则更偏实战一点。
还有个提醒,Lasso 和 ElasticNet 对参数挺敏感的,alpha
要调,别用默认值就上手。不然你会发现怎么结果差那么多?调一调准没错。
如果你经常切换不同回归模型,又不想每次都重写代码,那这个linear_model.py
蛮省事的,可以收藏一下。
下载地址
用户评论