重回帰の精度を高めるべくリッジ回帰をやってみます。
普通のロジスティック回帰モデルでは最小２乗誤差を目指しますが、入力に対して出力が敏感に変化してしまう場合は、過学習によって訓練Scoreと検証Scoreが一致しない場合があります。
そこで、正則化項 を新たに追加して訓練を緩慢にします。
正則化項は１次のときラッソ回帰、２次のときリッジ回帰といいます。
今回は正則化項なしである重回帰に対して、大きな改善は見られませんでしたので重回帰でも十分な結果が得られていることがわかりました。
スクリプト
data_scientist_chapter_8_Ridge
The following two tabs change content below.
Keita N
こんにちは すうがく を こよなくあいする
”二代目 圧倒的 かず まなぶ (´・ω・`)” です
心が豊かになる方法について 引き続き考えていきたいです。
最新記事 by Keita N (全て見る)
- FFTのやりかた - 2021年10月10日
- django#1 仮想環境 pepenvしてdjangoを準備する - 2021年10月9日
- htmlからjsを動かす方法 - 2021年10月4日
