cross_val_score 中的岭回归器如何使用 alpha？答案

【问题标题】：How does the ridge regressor in cross_val_score uses the alphas?cross_val_score 中的岭回归器如何使用 alpha？
【发布时间】：2020-10-05 13:01:14
【问题描述】：

下面有一些简单的岭回归算法的代码。该程序的重点是通过计算每个 alpha 的交叉 val 分数来检查哪个 alpha 值最适合在此回归中使用。我不明白的是它如何在 for 部分中选择 alpha？我的意思是，我知道它会遍历该日志空间中的每个 alpha，但是 ridge = Ridge(normalize=True) 没有任何 alpha 参数，所以为什么不每次都使用默认参数（alpha=1.0） ?在 cross_val_score 函数中，它只是调用岭回归器，根本没有指定前面定义的 ridge.alpha 变量。

alpha_space = np.logspace(-4, 0, 50)
ridge_scores = []
ridge_scores_std = []

#Create a ridge regressor: ridge
ridge = Ridge(normalize=True)

# Compute scores over range of alphas
for alpha in alpha_space:

# Specify the alpha value to use: ridge.alpha
ridge.alpha = alpha

# Perform 10-fold CV: ridge_cv_scores
ridge_cv_scores = cross_val_score(ridge,X,y,cv=10)

# Append the mean of ridge_cv_scores to ridge_scores
ridge_scores.append(np.mean(ridge_cv_scores))

# Append the std of ridge_cv_scores to ridge_scores_std
ridge_scores_std.append(np.std(ridge_cv_scores))

【问题讨论】：

这应该是一个工作代码吗？你能正确设置缩进吗？但是是的，您需要输入 alpha
是的，这段代码在我编译和运行它时确实有效，它给不同的 alpha 提供了不同的结果，但我不明白如何。

标签： python function regression

【解决方案1】：

原因在于以下代码行：

# Specify the alpha value to use: ridge.alpha
ridge.alpha = alpha

岭实例，初始化：

ridge = Ridge(normalize=True)

有一个内部的 'alpha' 属性，您可以通过不同的方式设置和更改它。一种方法是您似乎熟悉的方法，即在启动 Ridge 时指定 alpha 参数，例如：

ridge1 = Ridge(alpha=0.5, normalize=True)

另一种方法，即您发布的代码中使用的方法，是在不指定 alpha 的情况下初始化岭，然后在以后设置/指定它。如何？通过 Ridge 的内部属性称为 'alpha'。如您所知，要访问类的属性，您需要使用点符号。

所以这样做：

ridge2 = Ridge(normalize=True)
ridge2.alpha = 0.5

您正在实现与 ridge1 实例相同的效果。这就是它在 for 循环中的工作方式。通过在 ridge.alpha 上设置一个新值，山脊实例的“内部”alpha 值实际上会发生变化。

希望对你有帮助，否则我可以试着画个图来进一步说明。

【讨论】：