代码实现一个岭回归算法

岭回归是一种常见的线性回归的正则化方法，它通过添加L2范数的惩罚项来限制模型的复杂度，从而避免模型过拟合。

下面是一个基于Python实现的岭回归算法的示例代码：

import numpy as np
from sklearn.linear_model import Ridge

# 生成样本数据
n_samples, n_features = 100, 10
X = np.random.randn(n_samples, n_features)
y = np.random.randn(n_samples)

# 岭回归模型参数
alpha = 1.0
ridge_model = Ridge(alpha=alpha)

# 训练模型
ridge_model.fit(X, y)

# 预测
y_pred = ridge_model.predict(X)

上述代码中，首先使用numpy生成了100个样本，每个样本有10个特征。然后创建了一个岭回归模型对象，并指定正则化参数alpha=1.0。接着使用fit()方法训练模型，最后使用predict()方法进行预测，得到的结果保存在y_pred中。