如何解决cross_val_score中的岭回归器如何使用Alpha？
下面有一些简单的岭回归算法代码。程序的重点是通过计算每个alpha的交叉val分数来检查哪个alpha值最适合在此回归中使用。我不明白的是，它如何在for部分中选择Alpha？我的意思是，我知道它会遍历该日志空间中的每个alpha，但是ridge = Ridge（normalize = True）没有任何alpha参数，所以为什么每次都不使用默认值（alpha = 1.0） ？在cross_val_score函数中，它仅调用ridge回归器，而根本不指定先前定义的ridge.alpha变量。
alpha_space = np.logspace(-4,50)
ridge_scores = []
ridge_scores_std = []
#Create a ridge regressor: ridge
ridge = Ridge(normalize=True)
# Compute scores over range of alphas
for alpha in alpha_space:
# Specify the alpha value to use: ridge.alpha
ridge.alpha = alpha
# Perform 10-fold CV: ridge_cv_scores
ridge_cv_scores = cross_val_score(ridge,X,y,cv=10)
# Append the mean of ridge_cv_scores to ridge_scores
ridge_scores.append(np.mean(ridge_cv_scores))
# Append the std of ridge_cv_scores to ridge_scores_std
ridge_scores_std.append(np.std(ridge_cv_scores))
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
