《金融大數(shù)據(jù)分析》-課件 第7章模型選擇與正則_第1頁
《金融大數(shù)據(jù)分析》-課件 第7章模型選擇與正則_第2頁
《金融大數(shù)據(jù)分析》-課件 第7章模型選擇與正則_第3頁
《金融大數(shù)據(jù)分析》-課件 第7章模型選擇與正則_第4頁
《金融大數(shù)據(jù)分析》-課件 第7章模型選擇與正則_第5頁
已閱讀5頁，還剩16頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

第7章模型選擇與正則化學(xué)習(xí)目標(biāo)理解為什么需要進(jìn)行模型選擇和正則化了解模型選擇的方法掌握正則化的幾種方法，以及如何使用程序?qū)嵭姓齽t化模型選擇決定使用哪些特征不同特征的排列組合產(chǎn)生多個模型主要介紹最佳子集選擇法和前向分步算法最佳子集選擇法

前向分步算法

正則化方法通過將參數(shù)向0收縮來達(dá)到減小點估計量方差的目的常見方法：嶺回歸套索回歸彈性網(wǎng)絡(luò)嶺回歸（RidgeRegression）修改線性回歸的代價函數(shù)引入正則化項正則化參數(shù)

??控制模型復(fù)雜度套索回歸（LassoRegression）

嶺回歸與套索回歸比較兩者都通過

??控制正則化套索回歸可使某些特征系數(shù)變?yōu)?彈性網(wǎng)絡(luò)（ElasticNet）結(jié)合嶺回歸與套索回歸的優(yōu)勢代價函數(shù)中同時包含兩個正則項模型訓(xùn)練

模型訓(xùn)練

超參數(shù)設(shè)置實驗不同??值以找到最佳模型留出部分?jǐn)?shù)據(jù)進(jìn)行最終驗證正則化使用注意事項先對特征進(jìn)行縮放縮放后的變量應(yīng)具有相似的標(biāo)準(zhǔn)偏差邏輯回歸中的正則化加入嶺回歸的正則化項加入套索回歸的正則化項正則化程序示例

導(dǎo)入相關(guān)庫數(shù)據(jù)讀取及處理正則化程序示例

刪除建立回歸模型不需要的列分割數(shù)據(jù)集中的特征變量和目標(biāo)變量標(biāo)準(zhǔn)化處理嶺回歸模型示例

創(chuàng)建一個Ridge對象使用fit方法訓(xùn)練模型使用predict方法對訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)測計算均方誤差嶺回歸模型示例

對驗證數(shù)據(jù)進(jìn)行預(yù)測計算均方誤差評估模型的性能習(xí)題知識理解哪種正則化方法能達(dá)到類似于模型選擇的方法？提高正則化超參數(shù)值

??對于模型擬合中的哪種問題有幫助？闡述

??值對模型參數(shù)??的影響。以及，如果??>0會如何影響??的可解釋性。習(xí)題程序操作請使用每股收益預(yù)測數(shù)據(jù)進(jìn)行模型訓(xùn)練。在訓(xùn)練模型時，使用套索回歸進(jìn)行正則化。將

??值設(shè)為0.1,1,10,以及20。觀察在這些

??值時，哪些特征被從模型

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論