随机梯度下降L2正则化 python代码

下面是使用随机梯度下降和L2正则化的Python代码实现：

import numpy as np
from sklearn.linear_model import SGDRegressor

X = 2*np.random.rand(100,1)
y = 4 + 3*X + np.random.randn(100, 1)

# 使用随机梯度下降的方法，penalty代表使用哪种正则项，alpha代表正则化强度，max_iter代表迭代多少次
sgd_reg = SGDRegressor(penalty='l2', alpha=0.1, max_iter=1000)
sgd_reg.fit(X, y.reshape(-1,))

print(sgd_reg.predict([[1.5]]))
print(sgd_reg.intercept_)
print(sgd_reg.coef_)

其中，`penalty='l2'`表示使用L2正则化，`alpha`表示正则化强度，`max_iter`表示迭代次数。`fit`方法用于训练模型，`predict`方法用于预测新的数据。