(sklearn)ElasticNet回归 sklearn.linear_model.ElasticNet用法
来源:互联网 发布:外国男朋友 知乎 编辑:程序博客网 时间:2024/06/05 03:42
class sklearn.linear_model.
ElasticNet
(alpha=1.0, l1_ratio=0.5, fit_intercept=True, normalize=False, precompute=False, max_iter=1000, copy_X=True, tol=0.0001, warm_start=False, positive=False, random_state=None, selection=’cyclic’)
Elastic回归使对Lasso回归和岭回归的一种融合,其惩罚项是L1范数和L2范数的一个权衡。
参数:
alpha : α值。
l1_ratio:ρ值,ElasticNet混合参数,其中0 <= l1_ratio <= 1。对于l1_ratio = 0,惩罚为L2范数。 对于l1_ratio = 1,为L1范数。 对于0
<l1_ratio<1,惩罚是L1和L2的组合。
fit_intercept:一个布尔值,制定是否需要b值。
max_iter:一个整数,指定最大迭代数。
normalize:一个布尔值。如果为True,那么训练样本会在回归之前会被归一化。
copy_X:一个布尔值。如果为True,会复制X,否则会覆盖X。
precompute:一个布尔值或者一个序列。它决定是否提前计算Gram矩阵来加速计算。Gram也可以传递参数, 对于稀疏输入,此选项始终
为“True”以保留稀疏性。
tol:一个浮点数,指定判断迭代收敛与否的一个阈值。
warm_start:一个布尔值。如果为True,那么使用前一次训练结果继续训练,否则从头开始训练。
positive:一个布尔值。如果为True,那么强制要求权重向量的分量都为整数。
selection:一个字符串,可以选择‘cyclic’或者‘random’。它指定了当每轮迭代的时候,选择权重向量的哪个分量来更新。
- ‘ramdom’:更新的时候,随机选择权重向量的一个分量来更新。
- ‘cyclic’:更新的时候,从前向后一次选择权重向量的一个分量来更新。
- 如果为整数,则它指定了随机数生成器的种子。
- 如果为RandomState实例,则指定了随机数生成器。
- 如果为None,则使用默认的随机数生成器。
set_params(** params):设置此估计器的参数。
官方说明:http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.ElasticNet.html
- (sklearn)ElasticNet回归 sklearn.linear_model.ElasticNet用法
- sklearn ElasticNet
- sklearn 源码解析 coordinate_descent.py Lasso回归 ElasticNet回归(1)
- (sklearn)岭回归 sklearn.linear_model.Ridge用法
- (sklearn)逻辑回归linear_model.LogisticRegression用法
- (sklearn)linear_model.LinearRegression()用法
- sklearn: linear_model
- (sklearn)lasso回归linear_model.Lasso()方法
- [sklearn学习]linear_model.LinearRegression
- [sklearn学习]linear_model.LinearRegression
- sklearn.linear_model.LinearRegression
- sklearn.linear_model中的LogisticRegression
- sklearn.linear_model之LinearRegression
- 机器学习(3)线性回归sklearn.linear_model.LinearRegression
- 机器学习(4)岭回归sklearn.linear_model.Ridge
- ElasticNet回归及机器学习正则化
- Python多元线性回归-sklearn.linear_model,并对其预测结果评估
- 线性模型(三)--ridge、lasso、ElasticNet回归
- Android中判断字符串中必须包含字母或者数字
- 关于java中字符、字符串、整数相加输出的小整理
- 三十,BorderLayout
- 相对路径的坑
- 神经网络之文本情感分析(四)
- (sklearn)ElasticNet回归 sklearn.linear_model.ElasticNet用法
- [Android]Fragment的应用/点击替换fragment应用实例
- JDBC学习笔记(2)——数据库连接
- Mangos源码分析(4):服务器结构探讨之继续世界服
- 7·RHCSA升级内核
- Ubuntu: eclipse tomcat unknown version of tomcat was specified
- Thinking in java 读书笔记(二、for循环,标签,switch语句)
- LeetCode--Unique Paths II
- mysql如何使用命令行运行sql文件