写一段sklearn里Ridge算法

Ridge算法是一种线性回归算法，它可以通过对模型的系数进行约束来避免过拟合。在sklearn中，可以使用Ridge类来实现Ridge算法。下面是一个简单的例子：

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()
X, y = boston.data, boston.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.2, random_state=42)

# 创建Ridge模型
ridge = Ridge(alpha=1.)

# 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)

在这个例子中，我们加载了波士顿房价数据集，使用Ridge算法对数据进行训练，并使用均方误差来评估模型的性能。