岭回归的数学解释

 

对一些α的值选取还需要定量分析，分析这些值对预测效果的影响，选择最优的α。（交叉验证实现）

 

优缺点：Ridge回归在不抛弃任何一个变量的情况下，缩小了回归系数，使得模型相对而言比较的稳定，但这会使得模型的变量特别多，模型解释性差。容易导致过拟合。

它的改进就是lasso回归。