嶺迴歸
解決某些訓練樣本線性相關，導致迴歸結果不穩定的情況。
它是一種用於共線性數據分析的有偏估計迴歸方法。是一種改良的最小二乘估計法。
在sklearn中使用sklearn.linear_model.Ridge進行。
課程的實例是交通流量預測，我找不到數據文件，從網上自己找個例子吧。
用波士頓房價預測做例子。
先加載數據並放到dataframe裏。
用seaborn的pairplot畫圖看看。
真不錯，又會一招。可以看到(最後一行或最後一列)有的屬性與房價有明顯的關係，而有的沒有明顯關係。
還是用所有屬性建模。
lr的均方誤差爲： 33.00649127511586
Rd的均方誤差爲： 33.008436871102866
比較線性迴歸和嶺迴歸，貌似結果差不多，想畫圖看看，老也不對，算啦。。
本文代碼:
https://github.com/zwdnet/MyQuant/blob/master/34
我發文章的四個地方，歡迎大家在朋友圈等地方分享，歡迎點“在看”。
我的個人博客地址：https://zwdnet.github.io
我的知乎文章地址： https://www.zhihu.com/people/zhao-you-min/posts
我的博客園博客地址： https://www.cnblogs.com/zwdnet/
我的微信個人訂閱號：趙瑜敏的口腔醫學學習園地