Scikit Learn - 線性模型

本章將幫助您學習 Scikit-Learn 中的線性建模。讓我們首先了解 Sklearn 中的線性迴歸是什麼。

下表列出了 Scikit-Learn 提供的各種線性模型：

序號	模型及描述
1	線性迴歸它是最好的統計模型之一，研究因變數 (Y) 與一組給定的自變數 (X) 之間的關係。
2	邏輯迴歸邏輯迴歸，顧名思義，是一種分類演算法，而不是迴歸演算法。根據一組給定的自變數，它用於估計離散值（0 或 1，是/否，真/假）。
3	嶺迴歸嶺迴歸或 Tikhonov 正則化是一種正則化技術，它執行 L2 正則化。它透過新增相當於係數大小平方的懲罰（收縮量）來修改損失函式。
4	貝葉斯嶺迴歸貝葉斯迴歸允許使用機率分佈器而不是點估計來制定線性迴歸，從而提供了一種自然機制來應對資料不足或資料分佈不佳的情況。
5	LASSO LASSO 是一種執行 L1 正則化的正則化技術。它透過新增相當於係數絕對值之和的懲罰（收縮量）來修改損失函式。
6	多工 LASSO 它允許聯合擬合多個迴歸問題，強制所有迴歸問題（也稱為任務）的選擇特徵相同。Sklearn 提供了一個名為 MultiTaskLasso 的線性模型，它使用混合 L1、L2 範數進行正則化訓練，可以聯合估計多個迴歸問題的稀疏係數。
7	彈性網路彈性網路是一種正則化迴歸方法，它線性組合了 Lasso 和 Ridge 迴歸方法的 L1 和 L2 兩種懲罰。當存在多個相關特徵時，它非常有用。
8	多工彈性網路這是一個彈性網路模型，允許聯合擬合多個迴歸問題，強制所有迴歸問題（也稱為任務）的選擇特徵相同。

列印頁面

廣告