scikit-learn估計器學習系列 ---- 1.線性迴歸番外篇-Lasso迴歸，Ridge迴歸和ElasticNet

前言 前面光說了線性迴歸，忘記寫帶有正則項的迴歸了，這裏補上。 主要的正則方式有L0範數，L1範數和L2範數，L0範數因爲計算困難因此通常都不採用，而是使用效果近似的L1範數，下面分別介紹下兩個範數的區別。python 爲何須要正則化 由於但願獲得更好的泛化偏差，訓練是很容易過擬合的，引入非線性轉換等，總能夠求出一條穿越全部訓練數據點的超平面，這時不少的係數是很大的，也就是說訓練數據的一點變更都會

>>阅读原文<<