dsc-ridge-and-lasso-regression-houston-ds-111819

【文件属性】：
文件名称：dsc-ridge-and-lasso-regression-houston-ds-111819
文件大小：18KB
文件格式：ZIP
更新时间：2021-04-15 01:29:24
JupyterNotebook 里奇和套索回归 介绍 至此，您已经看到了许多用于将回归模型拟合到数据的条件和算法。 您已经看到了使用普通最小二乘法的简单线性回归，以及多项式函数的更一般回归。 您还了解了如何使用多项式和交互函数使模型过拟合数据。 综上所述，您开始探索其他工具来分析过度拟合和欠拟合的一般问题，所有这些都使用训练和测试拆分，偏差和方差以及交叉验证进行。 现在，您将了解另一种方法来调整您创建的模型。 这些方法都会修改您要针对其进行优化的均方误差函数。 修改将增加结果模型中较大系数权重的代价。 目标 你将能够： 定义套索回归 定义岭回归 描述为什么在Ridge和Lasso回归之前必须进行标准化 比较和对比套索，岭和非正规回归 在scikit-learn中使用Lasso和Ridge回归 我们的回归成本函数 从先前的课程中，您知道在求解线性回归时，可以将成本函数表示为 $$ \ text {cost_functi

【文件预览】：
dsc-ridge-and-lasso-regression-houston-ds-111819-master
----index.ipynb(15KB)
----.learn(87B)
----auto-mpg.csv(17KB)
----CONTRIBUTING.md(2KB)
----LICENSE.md(1KB)
----README.md(12KB)
----.gitignore(62B)