嶺回歸
解決某些訓練樣本線性相關，導致回歸結果不穩定的情況，
它是一種用于共線性資料分析的有偏估計回歸方法，是一種改良的最小二乘估計法，
在sklearn中使用sklearn.linear_model.Ridge進行，
課程的實體是交通流量預測，我找不到資料檔案，從網上自己找個例子吧，
用波士頓房價預測做例子，
先加載資料并放到dataframe里，
用seaborn的pairplot畫圖看看，
真不錯，又會一招，可以看到(最后一行或最后一列)有的屬性與房價有明顯的關系，而有的沒有明顯關系，
還是用所有屬性建模，
lr的均方誤差為： 33.00649127511586
Rd的均方誤差為： 33.008436871102866
比較線性回歸和嶺回歸，貌似結果差不多，想畫圖看看，老也不對，算啦，，
本文代碼:
https://github.com/zwdnet/MyQuant/blob/master/34
我發文章的四個地方，歡迎大家在朋友圈等地方分享，歡迎點“在看”，
我的個人博客地址：https://zwdnet.github.io
我的知乎文章地址： https://www.zhihu.com/people/zhao-you-min/posts
我的博客園博客地址： https://www.cnblogs.com/zwdnet/
我的微信個人訂閱號：趙瑜敏的口腔醫學學習園地
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/184115.html
標籤：Python