岭回归模型的保存和加载（sklearn版本）

岭回归与sklearn模型的保存与加载

岭回归

带有L2范数约束的线性回归模型–岭回归

API:sklearn.linear_model.Ridge

语法：

sklearn.linear_model.Ridge(alpha=1.0)

该模型基于线性最小二乘法，并引入了L2正则化项以防止过拟合现象的发生

alpha:用于控制正则化强度的参数

coef_:表示模型训练完成后所获得的各个特征对应的回归系数

正则化强度变化对模型结果的影响：当正则化参数值增加时，模型中各特征的权重将趋向于零值，从而有效抑制了模型复杂度

Ridge优点：

岭回归所估算出的回归系数在实际应用中更具合理性与可信度。此外，该方法有助于缩小参数估计值的波动区间，从而提升整体稳定性。在面对包含大量异常值或病态数据的研究场景时，其表现出较高的实用价值。

案例–波士顿房价数据案例 ----接线性回归分析

    # 3.使用岭回归进行预测
    rd = Ridge(alpha=1.0)
    rd.