Python数据科学：正则化方法

所以正则化系数只要小于40或50，模型的拟合效果应该都不错。

• 正则化系数越小则模型拟合越好，但过拟合情况也越容易发生。
• 正则化系数越大，则越不容易过拟合，但模型的偏差越大。

RidgeCV通过交叉验证，可以快速返回“最优”的正则化系数。

当这只是基于数值计算的，可能最终结果并不符合业务逻辑。

比如本次模型的变量系数。

# 输出模型的变量系数 
print(rcv.coef_) 
# 输出结果 
[ 0.03321449 -0.30956185  0.05551208  0.59067449] 

发现收入的系数为负值，这肯定是不合理的。

下面通过岭迹图进行进一步分析。

岭迹图是在不同正则化系数下变量系数的轨迹。

ridge = Ridge() 
coefs = [] 
# 不同正则化系数下的变量系数 
for alpha in alphas: 
    ridge.set_params(alpha=alpha) 
    ridge.fit(X, y) 
    coefs.append(ridge.coef_) 
 
# 绘制变量系数随正则化系数变化的轨迹 
ax = plt.gca() 
ax.plot(alphas, coefs) 
ax.set_xscale('log') 
plt.xlabel('alpha') 
plt.ylabel('weights') 
plt.title('Ridge coefficients as a function of the regularization') 
plt.axis('tight') 
plt.show() 

输出结果。

• ①有两个变量的系数在不同的正则化系数下都很接近于0，那么可以选择删除。
• ②正则化系数越大，对变量系数的惩罚越大，所有变量的系数都趋近于0。
• ③有一个变量的系数变化非常大(有正有负)，说明该系数的方差大，存在共线性的情况。

综合模型均方误差和岭迹图的情况，选取正则化系数为40。

• 如果大于40，则模型均方误差增大，模型拟合效果变差。
• 如果小于40，则变量系数不稳定，共线性没有得到抑制。

那么就来看看，当正则化系数为40时，模型变量系数的情况。

ridge.set_params(alpha=40) 
ridge.fit(X, y) 
# 输出变量系数 
print(ridge.coef_) 
# 输出模型R² 
print(ridge.score(X, y)) 
# 预测数据 
print(np.exp(ridge.predict(X_new)[:5])) 
# 输出结果 
[0.03293109 0.09907747 0.04976305 0.12101456] 
0.4255673043353688 
[934.79025945 727.11042209 703.88143602 759.04342764 709.54172995] 

发现变量系数都为正值，符合业务直觉。

收入和当地人均收入这两个变量可以保留，另外两个删除。

二、LASSO回归

LASSO回归，在令回归系数的绝对值之和小于一个常数的约束条件下，使残差平方和最小化。

从而能够产生某些严格等于0的回归系数，得到解释力较强的模型。

相比岭回归，LASSO回归还可以进行变量筛选。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!