我正在使用sklearn.linear_model.ElasticNet模型，并试图通过设置alph = 0和l1_ratio = 0来重新创建线性回归，但我得到的系数非常不同。有人知道为什么吗？我认为使用这些参数可以得到规则的线性回归系数。 我的代码在下面，附件是输出的图像
浏览 34提问于2020-09-17得票数 0
1回答
我有一个玩具数据集，包括一个自变量x和一个因变量y=x。线性回归可以找到正确的截距，0和系数1，但弹性网络总是给出一个非零的截距，通常是系数0。我知道它是正则的，所以它需要更小的系数。但这是一个预期的结果吗？下面是Python/Scikit的代码-学习。
#!_,
浏览 3提问于2014-03-30得票数 0
回答已采纳
我使用GridSearchCv (python学习包)进行参数选择，其中模型是具有Logistic损失的弹性网(即具有L1和L2范数正则化惩罚的logistic回归)。我正在使用SGDClassifier来实现这个模型。有两个参数我感兴趣地寻找最优值：alpha (正则化项乘的常数)和l1_ratio (弹性网络混合参数)。<e
浏览 1提问于2016-12-19得票数 1
3回答
我试图理解一句话：“在存在相关变量的情况下，岭回归可能是首选。”假设我们有变量a1，a2，b1，c2，并且2个a‘s是相关的。如果我们使用套索，它可以消除a’s中的一个。套索和岭都会收缩。这是一个错误的引用，还是我漏掉了什么？(也许想得太简单了)
浏览 1提问于2017-03-20得票数 2
2回答
Lasso回归结果的解释
、、、
我有一个问题，与一个惩罚回归模型与拉索和解释返回值。我有文本内容，并希望找到每一个最有预见性的单词为一堂课。会导致以下问题：问题：
alpha = 0返回一个错误(但值)，任何其他alpha设置几乎什么也不返回。考虑到输入的数据，即使在删除停止字之后，<em
浏览 9提问于2018-05-29得票数 2
1回答
因此，弹性网络应该是岭回归(L2正则化)和lasso (L1正则化)的混合体。然而，似乎即使l1_ratio为0，我也不会得到与ridge相同的结果。我知道岭使用梯度下降，弹性网使用坐标下降，但最优应该是相同的，不是吗？= 1
en = ElasticNet(alpha=alpha, l1_ratio
浏览 25提问于2017-11-18得票数 2
回答已采纳
有没有一种方法可以通过参数或其他方式在statsmodel中对logistic回归模型进行L2惩罚？我只是在文档中找到了L1惩罚，但没有L2惩罚。
浏览 16提问于2016-05-21得票数 9
1回答
如何改进我的回归模型？
、、、、
我比其他人更多地寻求理论建议。这是我的第一次实际工作，现在我已经做了几件事，我现在有点被困住了:我不知道该往哪个方向看，才能改进我的模型。我有一个关于人口的数据集。特征选择
我删除了冗余信息，并聚集了变量，例如，通过总结"irrelevant"百分比(与
浏览 0提问于2018-03-03得票数 0
我完全理解为什么人们会使用SHAP或LIME之类的方法来解释黑匣子机器学习模型，比如随机森林或神经网络。然而，我在网上看到了很多内容，人们使用这些类型的即席XAI方法来解释固有的可解释模型，如线性支持向量机或logistic回归。如果我的目的是解释逻辑回归的预测，那么使用石灰而不是简单地看回归系数有</
浏览 1提问于2022-08-10得票数 0
在logistic回归算法中，我们有两个显著的函数(或方程)：1. Logistic回归函数。2. Logit功能。我知道logit函数用于将概率值( b/w 0和1)转换为实数值( b/w -Inf到+Inf)。在Logistic回归建模中，<
浏览 0提问于2019-06-05得票数 2
在logistic回归算法中，我们有两个显著的函数(或者说方程)：
我知道logit函数用于将概率值( b/w 0和1)转换为实数值( b/w -Inf到
浏览 3提问于2019-06-03得票数 0
回归的问题是最小化平方误差之和，即\sum\limits_{i=1}^n (y_i - \hat{y}_i)^2 = 0。但是，只有在线性回归中，才能使用表达式\hat{y}_i = \beta_0 + \beta_1.x_i，然后将平方误差之和降到最小。{i=1}^n \hat{y}_i(y_i - \hat{y}_i) &= 0 \end{align*}
然后利用这些约束条件证明了生成SST=SSE+SSR的数量SST=SSE+SSR。因
浏览 0提问于2021-05-21得票数 2
回答已采纳
目的:求回归线(多变量超平面)的系数。最能模拟数据的方法。我们把这个叫做w1)使用MAP估计：w=(XX^T+\lambda I )^{-1}Xy^T，其中X是输入的训练数据，y是训练的输出。和(以及用于线性回归的任何其他方法)
浏览 0提问于2018-11-09得票数 2
我一直在试图找出为什么我的线性回归模型在与sklearn的线性回归模型相比表现不佳。我的线性回归模型(基于梯度下降的更新规则) w0 = 0alpha = 0.001
N = len(xT
浏览 27提问于2019-04-01得票数 1
回答已采纳
在阅读时，我偶然发现了这句话：
今天使用的最流行的技术中有很大一部分是这两个简单过程的变体。事实上，1近邻，其中最简单的，占据了低维问题市场的很大一部分。它是参考线性回归和k-最近邻算法.我想知道这句话有多准确。更具体地说，今天使用的流行ML方法不依赖于这两种简单方法的假设和特性？
浏览 8提问于2014-02-03得票数 1
回答已采纳
我有数据(如下)，并进行了线性、脊线和套索回归。对于套索和岭回归，我已经使用交叉验证找到了最优的λ。现在，我想将拟合的模型叠加到原始数据的y与x图上。我在图上有一个线性模型，我只是不知道如何让另外两个模型出现。我已经在ggplot中尝试过了，但是在base R中得到一个答案也会很有帮助！即使你
浏览 21提问于2019-05-01得票数 0
回答已采纳
1回答
我正面临一个问题，不同的线性模型从科学学习。，现在我想从我的模型中得到斜率系数和截距：A, B
>(array([ 0.14373081, -1.8211677但是，当我尝试 y_true、y_pred和回归(ax +b)时，第二个功能(总房间)的</e
浏览 2提问于2021-11-20得票数 0
2回答
我有10000个样品。有4个自变量和1个因变量。我发现这些变量之间的相关系数如下：我使用了线性回归模型，下面是该模型的总结：现在，基于线性回归模型中预测变量的系数，我被要求找到显着的预测因子(s)。
浏览 0提问于2020-02-23得票数 2
我正在做弹性网络回归，并试图使用GridSearchCV估计最佳的超参数。但是，当我将GridSearchCV中的评分从默认的r2更改为mean_squared_error时，GridSearchCV将每个特征系数设为0。我不知道为什么会这样。'elastic__alpha':np.linspace(.1,1,15
浏览 0提问于2020-09-23得票数 0
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
