Tag Archives: 岭回归

Python个人收入影响因素模型构建：回归、决策树、梯度提升、岭回归

By tecdat8月 21, 2024Python辅导, 大数据部落, 技术支持, 教育学, 数理统计, 计算机科学CS辅导, 计算机科学与技术决策树, 回归, 岭回归, 影响, 影响因素, 收入, 梯度提升

“你的命运早在出生那一刻起便被决定了。”这样无力的话语，无数次在年轻人的脑海中回响，尤其是在那些因地域差异而面临教育资源匮乏的年轻人中更为普遍。

Python用正则化Lasso、岭回归预测房价、随机森林交叉验证鸢尾花数据可视化2案例

By tecdat9月 12, 2023Python辅导, 大数据部落, 技术支持, 数理统计, 计算机科学CS辅导, 计算机科学与技术LASSO, 交叉验证, 岭回归, 房价, 正则化, 随机森林, 预测, 鸢尾花

机器学习模型的表现不佳通常是由于过度拟合或欠拟合引起的，我们将重点关注客户经常遇到的过拟合情况。

python岭回归、Lasso、随机森林、XGBoost、Keras神经网络、kmeans聚类链家租房数据地理可视化分析

By tecdat10月 18, 2022R语言辅导, 大数据部落, 技术支持, 数据库, 数理统计, 经济, 计算机科学CS辅导, 计算机科学与技术Keras, kmeans, R语言, xgboost, 可视化, 回归, 地理, 地理可视化, 岭回归, 神经网络, 租房, 聚类, 链家, 随机森林

最近我们被客户要求撰写关于租房数据分析的研究报告。利用 python 爬取链家网公开的租房数据

R语言Bootstrap的岭回归和自适应LASSO回归可视化

By tecdat7月 1, 2021可视化和设计, 大数据部落, 数理统计, 机器学习, 计算机科学与技术bootstrap, LASSO, 可视化, 回归, 岭回归, 自适应

使用glmnet软件包中的相关函数对岭回归和lasso套索回归进行分析。

R语言自适应LASSO 多项式回归、二元逻辑回归和岭回归应用分析

By tecdat3月 25, 2021大数据部落, 数理统计, 机器学习, 计算机科学与技术LASSO, 回归, 多项式回归, 岭回归, 自适应, 逻辑回归

正则化路径是在正则化参数lambda的值网格上计算套索LASSO或弹性网路惩罚的正则化路径。

R语言惩罚logistic逻辑回归（LASSO,岭回归）高维变量选择的分类模型案例

By tecdat3月 17, 2021医药生物, 大数据部落, 数理统计, 机器学习, 计算机科学与技术LASSO, Logistic, 分类, 变量选择, 回归, 岭回归, 惩罚l, 模型, 逻辑回归, 高维

WeChat Tencent QQ email print 由Kaizong Ye，Weilong Zhang

Read More

R语言中的岭回归、套索lasso回归、主成分回归：线性模型选择和正则化

By tecdat12月 26, 2019大数据部落, 数理统计, 计算机科学与技术LASSO, R语言, 主成分回归, 岭回归, 正则化

在本课程中，我们将考虑一些线性模型的替代拟合方法，除了通常的 普通最小二乘法。

R语言岭回归ridge regression分析租房价格报告

By tecdat9月 3, 2019大数据部落, 数理统计, 计算机科学与技术ridge regression, R语言, 住房价格, 岭回归

R语言岭回归ridge regression分析住房价格报告

R语言如何和何时使用glmnet岭回归

By tecdat8月 1, 2019大数据部落, 数理统计, 计算机科学与技术glmnet, R语言, 回归, 岭回归, 最小二乘

这里向您展示如何在R中使用glmnet包进行岭回归（使用L2正则化的线性回归），并使用模拟来演示其相对于普通最小二乘回归的优势。

【视频讲解】r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现

By tecdat7月 30, 2019大数据部落, 数理统计, 特色视频, 计算机科学与技术Elastic Net, LASSO, LASSO回归, Ridge, R语言, 回归, 岭回归, 弹性网络

正则化路径是针对正则化参数λ的值网格处的套索或弹性网络罚值计算的。该算法速度极快，可以利用输入矩阵中的稀疏性x。

R语言如何和何时使用glmnet岭回归

By tecdat7月 26, 2019大数据部落, 数理统计, 计算机科学与技术glmnet, LASSO, R语言, 岭回归, 正则化, 线性回归

这里向您展示如何在R中使用glmnet包进行岭回归（使用L2正则化的线性回归），并使用模拟来演示其相对于普通最小二乘回归的优势。