Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
sklearn-doc-zh
提交
a754fde3
S
sklearn-doc-zh
项目概览
OpenDocCN
/
sklearn-doc-zh
通知
3
Star
3
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
S
sklearn-doc-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
未验证
提交
a754fde3
编写于
4月 01, 2020
作者:
L
loopyme
提交者:
GitHub
4月 01, 2020
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Finally fix #400
上级
1d568312
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
2 addition
and
0 deletion
+2
-0
docs/0.21.3/2.md
docs/0.21.3/2.md
+2
-0
未找到文件。
docs/0.21.3/2.md
浏览文件 @
a754fde3
...
...
@@ -46,9 +46,11 @@ array([ 0.5, 0.5])
>* [线性回归示例](https://scikit-learn.org/stable/auto_examples/linear_model/plot_ols.html)
### 1.1.1.1. 普通最小二乘法的复杂度
{% end raw %}
该方法使用 X 的奇异值分解来计算最小二乘解。如果 X 是一个形状为
`(n_samples, n_features)`
的矩阵,设 $$ n_{samples}
\g
eq n_{features} $$ , 则该方法的复杂度为 $$ O(n_{samples} n_{fearures}^2) $$
{% raw %}
## 1.1.2. 岭回归
[
`Ridge`
](
https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Ridge.html#sklearn.linear_model.Ridge
)
回归通过对系数的大小施加惩罚来解决
[
普通最小二乘法
](
#1111-普通最小二乘法复杂度
)
的一些问题。 岭系数最小化的是带罚项的残差平方和,
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录