# ridge
岭回归
函数库: TyMachineLearning
# 语法
mdl, w = ridge(X, y, k)
# 说明
mdl, w = dwtest(X, y, k)对数据X观测值y进行ridge法则拟合模型。
# 示例
岭回归
自创建数据集。
拟合岭回归模型。
using PyCall
using CSV
using DataFrames
using TyMachineLearning
file1 = joinpath(pkgdir(TyMachineLearning), "data/Regression/ridge_x.csv")
file2 = joinpath(pkgdir(TyMachineLearning), "data/Regression/ridge_y.csv")
file3 = joinpath(pkgdir(TyMachineLearning), "data/Regression/ridge_k.csv")
lasdata_x = CSV.read(file1, DataFrame; header=false)
lasdata_y = CSV.read(file2, DataFrame; header=false)
lasdata_k = CSV.read(file3, DataFrame; header=false)
拟合岭回归模型。
x_pre = Matrix(lasdata_x)
y_pre = lasdata_y.Column1
k1 = lasdata_k[:, 2]
k2 = lasdata_k[:, end]
mdl, w = ridge(x_pre, y_pre; k=[1.0e-5, 1.0e-4, 0.005])
(PyObject RidgeCV(alphas=array([1.e-05, 1.e-04, 5.e-03]), cv=5), [0.2554983509231105, 12.04873414165853, 647.0178846007985, -0.009465856867276823, -0.5326922631817564, -4.1249044222916496])
# 输入数据
X - 观测值
矩阵
适合回归模型的数据矩阵。
数据类型: Matrix
y - 对应标签
标签
数据类型: Vector
k - 回归系数
模型选择系数。
数据类型: Vector
# 输出参数
mdl - 训练好的岭回归模型
对象
数据类型: 对象
w - 权重
向量
对应模型的系数权重。
数据类型: Vector