sklearn.linear_model.ridge_regression¶

sklearn.linear_model.ridge_regression（X，y，alpha，*，sample_weight = None，Solver ='auto'，max_iter = None，tol = 0.001，verbose = 0，random_state = None，return_n_iter = False，return_intercept = False，check_input = True ）

[源码]

用正规方程法求解岭方程。

在用户指南中阅读更多内容。

参数	说明
X	{ndarray, sparse matrix, LinearOperator} of shape (n_samples, n_features) 用于训练的数据
y	ndarray of shape (n_samples,) or (n_samples, n_targets) 目标值
alpha	float or array-like of shape (n_targets,) 正则强度；必须为正浮点数。正则化改善了问题的状况，并减少了估计的方差。值越大表示正则化更强。在其他线性模型中，Alpha对应于`1 / (2C)`，例如`LogisticRegression`或`sklearn.svm.LinearSVC`。如果传递数组，则认为惩罚是特定于目标的。因此，它们必须在数量上对应。
sample_weight	float or array-like of shape (n_samples,), default=None 每个样本的独立权重。如果给定一个浮点值，则每个样本的权量都相同。如果sample_weight不为None且solver ='auto'，则solver将被设置为'cholesky'。 0.17版中的新功能。
solver	{‘auto’, ‘svd’, ‘cholesky’, ‘lsqr’, ‘sparse_cg’, ‘sag’, ‘saga’}, default=’auto’ 用于计算例程的求解器： - ‘auto’根据数据类型自动选择求解器。 - ‘svd’使用X的奇异值分解来计算Ridge系数。奇异矩阵比“ Cholesky”更稳定。 - 'cholesky'使用标准的scipy.linalg.solve函数通过点（XT，X）的Cholesky分解获得封闭的解 - 'sparse_cg'使用scipy.sparse.linalg.cg中的共轭梯度求解器。作为一种迭代算法，此求解器比' cholesky '更适合用于大规模数据（设置`tol`和`max_iter`的可能性）。 - ‘lsqr’使用专用的正则化最小二乘例程scipy.sparse.linalg.lsqr。它是最快的，并且使用了迭代过程。 - ‘sag’使用随机平均梯度下降，“ saga”使用其改进的无偏版本SAGA。两种方法都使用迭代过程，并且当n_samples和n_features都很大时，通常比其他求解器更快。注意，只有在比例大致相同的特征上才能保证“ sag”和“ saga”快速收敛。您可以使用sklearn.preprocessing中的缩放器对数据进行预处理。最后五个求解器均支持密集和稀疏数据。但是，当`fit_intercept`为True 时，仅'sag'和'sparse_cg'支持稀疏输入。版本0.17中的新功能：随机平均梯度下降求解器。 0.19版中的新功能： SAGA求解器。
max_iter	int, default=None 共轭梯度求解器的最大迭代次数。对于“ sparse_cg”和“ lsqr”求解器，默认值由scipy.sparse.linalg决定。对于“ sag”和“ saga”求解器，默认值为1000。
tol	float, default=1e-3 解决方案的准确率。
verbose	int, default=0 详细程度。设置verbose> 0将显示其他信息，具体取决于所使用的求解器。
random_state	int, RandomState instance, default=None 在`solver`=='sag'或'saga'打乱数据时使用。有关详细信息，请参见词汇表。
return_n_iter	bool, default=False 如果为True，则该方法还返回`n_iter`，由求解器执行的实际迭代次数。 0.17版中的新功能。
return_intercept	bool, default=False 如果为True且X是稀疏的，则该方法还会返回截距，并且求解器会自动更改为'sag'。这只是用于将截距与稀疏数据拟合的临时解决方案。对于密集数据，请在回归之前使用sklearn.linear_model._preprocess_data。 0.17版中的新功能。
check_input	bool, default=True 如果为False，将不检查输入数组X和y。 0.21版中的新功能。

返回值	说明
coef	ndarray of shape (n_features,) or (n_targets, n_features) 权重向量。
n_iter	int, optional 求解器执行的实际迭代次数。仅在`return_n_iter`为True时返回。
intercept	float or ndarray of shape (n_targets,) 模型的截距。仅当`return_intercept` 为True且X为稀疏数组时返回。

注

这个函数不会计算截距。