岭回归python

岭回归（Ridge Regression）是一种线性回归的扩展，它通过对模型参数加上L2正则项，可以有效避免模型过拟合的问题。在Python中，可以使用scikit-learn库中的Ridge模型实现岭回归。

下面是一个简单的岭回归示例代码：

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

# 加载波士顿房价数据集
boston = load_boston()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2, random_state=42)

# 创建Ridge模型
ridge = Ridge(alpha=1.0)

# 训练模型
ridge.fit(X_train, y_train)

# 预测测试集
y_pred = ridge.predict(X_test)

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)

print("均方误差：", mse)

在上面的代码中，我们首先加载了波士顿房价数据集，并将数据集划分成训练集和测试集。然后，我们创建了一个Ridge模型，并使用训练集训练了这个模型。接着，我们使用测试集进行预测，并计算了预测结果与真实结果之间的均方误差。