scikit-learn估计器学习系列 ---- 1.线性回归番外篇-Lasso回归，Ridge回归和ElasticNet

前言 前面光说了线性回归，忘记写带有正则项的回归了，这里补上。 主要的正则方式有L0范数，L1范数和L2范数，L0范数因为计算困难因此通常都不采用，而是使用效果近似的L1范数，下面分别介绍下两个范数的区别。python 为何须要正则化 由于但愿获得更好的泛化偏差，训练是很容易过拟合的，引入非线性转换等，总能够求出一条穿越全部训练数据点的超平面，这时不少的系数是很大的，也就是说训练数据的一点变更都会

>>阅读原文<<