[人工智能]岭回归和岭回归分类器

参考

https://zhuanlan.zhihu.com/p/440482410（示例）
https://blog.csdn.net/fq_wallow/article/details/104555623/（原理）
https://www.baidu.com/link?url=wP59lC-dNXib-PoRVcCyrM9aJAT67-180CNoMOWtcqObthYuXtZZWqng7V05edqjU5KsjEnKBb6mFB2KOH85P7eviUqrNaYBsySeNerJVVG&wd=&eqid=94b62204000319dd00000006624ff830（岭回归分类器）

定义

岭回归是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。

模型输入要求

自变量X至少一项或以上的定量变量或二分类定类变量。
因变量Y要求为定量变量（若为定类变量，请使用逻辑回归）。

用法

岭回归（Ridge Regression）是回归方法的一种，属于统计方法。在机器学习中也称作权重衰减。也有人称之为Tikhonov正则化。岭回归主要解决的问题是两种：一是当预测变量的数量超过观测变量的数量的时候（预测变量相当于特征，观测变量相当于标签），二是数据集之间具有多重共线性，即预测变量之间具有相关性。

公式

模型的目标是最小化以下目标函数，此函数相当于在线性回归的基础上加入一个正则项：
$$argmi{n}_w=||X?\omega ?Y|{|}^2+\lambda ||\omega |{|}^2$$

岭回归分类器

RidgeClassifier，这个分类器有时被称为带有线性核的最小二乘支持向量机。
该分类器首先将二进制目标转换为{- 1,1}，然后将该问题视为回归任务。

《新程序员》：云原生和全面数字化实践

50位技术专家共同创作，文字、视频、音频交互阅读