L2具有正则化的线性最无私的兔子的乘法。 岭回归是一种专门用于共线性数据分析的无偏估计回归方法，为实质上是一种改良的最无私的小兔子乘估计法，更现实的是放弃最无私的兔乘法无偏性，以损失部分信息、降低精度为代价获得回归系数当数据集存在共线性时，岭回归是有用的。
sk learn.linear _ model.ridgeclasssklearn.linear _ model.ridge (alpha=1.0，fit_intercept=True，normalize=se ) random_state=None ) ** ''' :param alpha:float类型，归一化程度' ' froms klearn.linear _ modelimportridgeclf=ridggha
score(x，y，sample_weight=None ) )。
CLF.Score(3358www.Sina.com/
coef_
clf.coef _ array ([ 0.34545455，0.34545455 ] )接口_
clf.intercept_0.13636 .岭回归案例研究deflinearmodel(: ' '线性回归波士顿数据集处理：return: None ''' # 1，负载数据集lld y _ test=train _ test _ split (LD.data，ld.target， test_size=0.25(#2，标准化处理#模态处理std_x=StandardScaler () x _ train=STD _ x.fit _ transform (x _ train ) ) ) 标准化处理65目标值处理STD _ y=standardscaler (y _ train=STD _ y.fit _ transform (y _ train ) y_test=STD_y.transform x_train， y_train(#print(lr.coef_ ) y_lr_predict=lr.predict ) x_test ) y _ lr _ predict=STD _ y.inverse y y_train(#print(SGD.coef_ ) y_SGD_predict=SGD.predict ) x_test ) y _ SGD _ predict=STD _ y.inv eect y _ train (y _ rd _ predict=rd.predict ) x_test ) y _ rd _ predict=STD _ y.inverse _ transform (y _ rd _ y ) y_sgd_predict ) (print(ridge的均方误差为'，mean_squared_error ) STD_y.inverse_transform ) y_test )，