1回答
我使用线性回归工具和岭正则化。要使用岭正则化，我必须首先缩放数据。橙色自动缩放数据吗？我找不到任何有关这方面的信息，在Orange的文件中提到的岭正规化。在python的scikit-learn中，在使用Ridge回归之前，我必须手动缩放数据。在MATLAB中，岭函数的缩放包括。那么，在使用橙色的Ridge回归之前，我必须手动缩放数据吗？
浏览 0提问于2018-10-01得票数 2
回答已采纳
1回答
回归模型中的变量选择
、、、、
我建立了价格预测数据模型，使用多元线性回归，岭，拉索和弹性网络回归，最初我有215个变量。在创建模型之后，我运行了python代码来检查最终模型中使用了多少变量，这是python代码，用于检测岭回归中变量的数量，
print("Ridge Regression Selected " + str= 0)) + " Variables and Neglected " + str(sum(coef_ridge == 0)) + &qu
浏览 0提问于2020-01-25得票数 0
我是Python的新手，我想要拟合一个岭二项回归。我知道二项式回归可以在以下网址获得：
我还知道带有L2惩罚的逻辑回归可以用sklearn.linear_model拟合。有没有办法用Python拟合二项岭回归？
浏览 0提问于2016-04-06得票数 0
1回答
岭回归能用来解决超定方程吗？
、、、、
我了解到岭回归是一种优化的最小二乘方法，可以更好地拟合病态数据。经过搜索，我没有找到任何使用岭回归来解决超定方程的例子。因此，我认为这要么太简单，无法讨论，要么有一些限制，这样做是不可行的。此外，在Python中，通过简单地调用numpy.linalg.lstsq()方法，可以使用最小二乘法来求解超定方程。那么，有没有类似的岭回归方法来解决超定方程呢？
谢谢！
浏览 7提问于2021-05-21得票数 1
RidgeCV()还搜索一组超参数，并在GridSearchCV()中给出了类似的内核以及相似的参数，这两者的结果会有什么不同吗？
浏览 0提问于2022-02-26得票数 -1
回答已采纳
我可以在Python中手工应用Tikhonov正则化或岭回归，并获得对我的问题足够精确的测试数据的解决方案。与我自己在Python中应用岭回归方程时不同，来自sklearn.linear_model.Ridge的模型只适用于脉冲响应。另一方面，应用岭回归，利用方程本身，生成一个模型，可以适用于任何线性组合的脉冲响应。当sklearn.model.Ridge方法应用于跨越前向问题的测试用例时，是否应该返回与求解岭回归方
浏览 2提问于2021-03-27得票数 1
回答已采纳
例如，在Python中对我的数据执行以下逻辑回归模型时。。。LogisticRegression(penalty='l2', solver='sag', n_jobs=-1)我并没有指定范围内的岭惩罚值最优惩罚是用公式显式计算的(如普通最小二乘岭回归所做的那样)，还是从默认的惩罚值范围中选择最佳惩罚？这方面的文档还不清楚。
浏览 1提问于2019-08-26得票数 1
回答已采纳
1回答
我使用python与sklearn和statsmodel一起创建回归模型。这是我第一次使用岭回归。然而，我不明白这些结果意味着什么。例如。1.00000000e+00 4.11548523e-02 6.98464464e-01 3.88878487e-01无论何时，我做一个正常的线性回归，我只会得到一个截距，但是在岭模型中，我得到了5。
浏览 0提问于2017-05-09得票数 2
回答已采纳
2回答
我试图将岭回归应用于一个电信数据，其中因变量，搅动是一个范畴变量，30个中只有3个连续的预测变量，其中存在多共线性。我能用岭回归法吗？
浏览 19提问于2021-12-11得票数 0
1回答
如果我错了，请纠正我。“训练集用于计算机器学习模型的参数，验证数据用于计算同一模型的超参数(我们使用相同的权重和不同的超参数)，测试集用于评估我们的模型”。如果是这样的话，有人能更详细地解释整个过程吗？蒂娅。
浏览 0提问于2018-06-06得票数 3
1回答
我是机器学习的新手，正在尝试实现线性模型估计器，这些估计器提供Scikit来预测二手车的价格。我使用了不同的线性模型组合，如LinearRegression，Ridge，Lasso和Elastic Net，但在大多数情况下，它们都返回负分(-0.6 <= score <= 0.1)。我的示例代码：import pandas as pdfrom sqlalchemy import create_engine
from
浏览 2提问于2015-06-07得票数 6
岭回归与OLS回归有很小的不同。从数学上讲，OLS回归使用了以下公式其中岭回归使用公式我想使用岭回归来避免多重性，但是得到了非常奇怪的结果，这些结果远比使用regress()更糟糕。在matlab中，要调用函数岭，必须输入一个X、一个Y和一个k的值。
浏览 2提问于2016-06-20得票数 2
回答已采纳
1回答
我正在寻找不那么知名的回归模型，如果可能的话，寻找一个实现它的python库。广义线性模型，线性，拉索，岭.基于决策树的模型:购物车，随机森林，梯度提升决策树(xgb，lightgbm，catboost)Knn回归是否有较少人知道的回归算法？我正在寻找替代模式，以增加我的箭袋。
浏览 0提问于2020-07-23得票数 1
1回答
我在R中使用caret软件包，进行岭Logistic回归。现在我能找到每个变量的系数。 lambda = lambda),岭logistic回归系数
coef(Ridge1$finalModel, Ridge1$bestTune$la
浏览 3提问于2020-02-11得票数 1
我正在为我的回归模型试验不同的损失函数。
浏览 0提问于2019-09-18得票数 0
1回答
试图转换具有以下内容的python dict：
{38.0: 139.0、1.8、36.0、18.2等}
成了一个numpy数组，用sci-kit进行分析学习贝叶斯岭回归。
浏览 4提问于2015-12-13得票数 0
3回答
据我所知，岭回归只是有一个优化问题的损失函数加上正则化项(L2范数在岭的情况下)。但是，我不确定损失函数是否可以用非线性函数来描述，还是需要是线性的。在这种情况下，如果损失函数需要是线性的，那么据我所理解的岭回归，只是执行线性回归加上L2-范数的正则化。如果我错了，请纠正我。
浏览 0提问于2020-03-13得票数 8
回答已采纳
为了解决这个问题，我试图用岭来惩罚系数。问题：
选择一个岭回归分类器是否就足够了？还是我需要选择逻辑回归分类器并在其后面加上一些脊惩罚的参数(即LogisticRegression(apply_penality=Ridge) )？
浏览 8提问于2022-06-04得票数 1
我正在使用几个回归器来训练和测试python中的数据。sklearn库中的大多数回归器都有用于特征选择的函数feature_importances_，而内核岭回归器中没有feature_importances_函数。在使用内核岭回归器时，人们如何看待每个特性的重要性？我看过文件，但没有相关信息。
浏览 3提问于2017-07-04得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
