python 实现岭回归
时间: 2023-07-10 13:22:35 浏览: 100
岭回归.py_岭回归py_统计_
5星 · 资源好评率100%
岭回归是一种用于处理多重共线性问题的线性回归技术,可以通过加入一个正则化项来控制模型的复杂度。
在 Python 中,可以使用 Scikit-learn 库来实现岭回归。下面是一个简单的实现示例:
```python
from sklearn.linear_model import Ridge
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
# 加载数据集
boston = load_boston()
# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2, random_state=0)
# 创建岭回归模型
ridge = Ridge(alpha=0.5)
# 训练模型
ridge.fit(X_train, y_train)
# 预测结果
y_pred = ridge.predict(X_test)
# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print("Mean squared error: %.2f" % mse)
```
在上面的代码中,我们首先加载了波士顿房价数据集,并将其划分为训练集和测试集。然后,我们使用 Ridge 类创建了一个岭回归模型,并将 alpha 参数设置为 0.5。接下来,我们使用训练集训练模型,并使用测试集进行预测。最后,我们计算了预测结果的均方误差。
阅读全文