岭回归和带正则化项的线性回归

岭回归和带正则化项的线性回归是两种不同但相关的模型。

岭回归是一种用于处理多重共线性问题的线性回归技术。多重共线性是指自变量之间高度相关的情况，这会导致线性回归模型的方巨阵不可逆（奇异矩阵），从而使得模型参数无法求解。岭回归通过在残差平方和的基础上增加一个惩罚项（L2正则化项）来解决这个问题。这个惩罚项会使得模型参数的值被强制缩小，从而降低多重共线性的影响。

带正则化项的线性回归是另一种处理多重共线性问题的方法。它的思路是在线性回归的损失函数中加入一个正则化项，使得模型的参数不能太大，防止出现过拟合现象。正则化项可以是L1正则化项（Lasso回归）或L2正则化项（岭回归）。与岭回归不同的是，带正则化项的线性回归不仅可以解决多重共线性问题，还可以防止过拟合。