机器数据分析平台

  • 机器数据分析平台 > 使用文档 > 应用平台 > Pandora机器学习工具包 >fit的使用方法详述 > 预测连续指标【回归】 > KernelRidge - 核岭回归

    KernelRidge - 核岭回归

    最近更新时间:2022-02-24 16:46:11

    岭回归是一种带有L2正则的线性回归模型。
    核岭回归是先对数据作核变换以适应各种非线性情形,然后再对数据作岭回归的一种模型。

    语法:

    ..| fit KernelRidge alpha=<float> gamma=<float> kernel=<linear(default) | poly | rbf | sigmoid | cosine> <target_field> from <feature_field_1> <feature_field_2>... 
    
    

    参数说明:

    • alpha用来指定一个正则化强度,该数会用于在损失函数中乘以正则项。该值越高,正则程度越高。默认值为1.0。
    • kernel用来指定核函数类型。
      • kernel=linear,即采用线性核函数。
      • kernel=poly,即采用多项式核函数。
      • kernel=rbf,即采用径向基核函数。(默认值)
      • kernel=sigmoid,即采用sigmoid核函数。
      • kernel=cosine,即采用余弦相似度作为核函数。
    • gamma参数仅在kernel为rbf或者poly或者sigmoid时有效,它作为核函数中的一个参数。默认值为scale。
      • gamma = float,指定一个小数常数作为gamma值。
      • gamma = ‘scale’,gamma值会被设定为1 / (n_features * X.var()) 。(默认值)
      • gamma = ‘auto’,gamma值会被设定1 / n_features。
    以上内容是否对您有帮助?
  • Qvm free helper
    Close