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 ）

[源碼]

用正規方程法求解嶺方程。

在用戶指南中閱讀更多內容。

參數	說明
X	{ndarray, sparse matrix, LinearOperator} of shape (n_samples, n_features) 用于訓練的數據
y	ndarray of shape (n_samples,) or (n_samples, n_targets) 目標值
alpha	float or array-like of shape (n_targets,) 正則強度；必須為正浮點數。正則化改善了問題的狀況，并減少了估計的方差。值越大表示正則化更強。在其他線性模型中，Alpha對應于`1 / (2C)`，例如`LogisticRegression`或`sklearn.svm.LinearSVC`。如果傳遞數組，則認為懲罰是特定于目標的。因此，它們必須在數量上對應。
sample_weight	float or array-like of shape (n_samples,), default=None 每個樣本的獨立權重。如果給定一個浮點值，則每個樣本的權量都相同。如果sample_weight不為None且solver ='auto'，則solver將被設置為'cholesky'。 0.17版中的新功能。
solver	{‘auto’, ‘svd’, ‘cholesky’, ‘lsqr’, ‘sparse_cg’, ‘sag’, ‘saga’}, default=’auto’ 用于計算例程的求解器： - ‘auto’根據數據類型自動選擇求解器。 - ‘svd’使用X的奇異值分解來計算Ridge系數。奇異矩陣比“ Cholesky”更穩定。 - 'cholesky'使用標準的scipy.linalg.solve函數通過點（XT，X）的Cholesky分解獲得封閉的解 - 'sparse_cg'使用scipy.sparse.linalg.cg中的共軛梯度求解器。作為一種迭代算法，此求解器比' cholesky '更適合用于大規模數據（設置`tol`和`max_iter`的可能性）。 - ‘lsqr’使用專用的正則化最小二乘例程scipy.sparse.linalg.lsqr。它是最快的，并且使用了迭代過程。 - ‘sag’使用隨機平均梯度下降，“ saga”使用其改進的無偏版本SAGA。兩種方法都使用迭代過程，并且當n_samples和n_features都很大時，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證“ sag”和“ saga”快速收斂。您可以使用sklearn.preprocessing中的縮放器對數據進行預處理。最后五個求解器均支持密集和稀疏數據。但是，當`fit_intercept`為True 時，僅'sag'和'sparse_cg'支持稀疏輸入。版本0.17中的新功能：隨機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 共軛梯度求解器的最大迭代次數。對于“ sparse_cg”和“ lsqr”求解器，默認值由scipy.sparse.linalg決定。對于“ sag”和“ saga”求解器，默認值為1000。
tol	float, default=1e-3 解決方案的準確率。
verbose	int, default=0 詳細程度。設置verbose> 0將顯示其他信息，具體取決于所使用的求解器。
random_state	int, RandomState instance, default=None 在`solver`=='sag'或'saga'打亂數據時使用。有關詳細信息，請參見詞匯表。
return_n_iter	bool, default=False 如果為True，則該方法還返回`n_iter`，由求解器執行的實際迭代次數。 0.17版中的新功能。
return_intercept	bool, default=False 如果為True且X是稀疏的，則該方法還會返回截距，并且求解器會自動更改為'sag'。這只是用于將截距與稀疏數據擬合的臨時解決方案。對于密集數據，請在回歸之前使用sklearn.linear_model._preprocess_data。 0.17版中的新功能。
check_input	bool, default=True 如果為False，將不檢查輸入數組X和y。 0.21版中的新功能。

返回值	說明
coef	ndarray of shape (n_features,) or (n_targets, n_features) 權重向量。
n_iter	int, optional 求解器執行的實際迭代次數。僅在`return_n_iter`為True時返回。
intercept	float or ndarray of shape (n_targets,) 模型的截距。僅當`return_intercept` 為True且X為稀疏數組時返回。

注

這個函數不會計算截距。