Mãos à Obra: Aprendizado de Máquina com Scikit-Learn e TensorFlow

134 | Capítulo 4: Treinando Modelos

Figura 4-17. Regressão de Ridge

Equação 4-9. Solução em forma fechada de Regressão de Ridge

θ

= X

T

· X + αA

−1

· X

T

·

y

Veja como executar a Regressão de Ridge com Scikit-Learn utilizando uma solução de

forma fechada (uma variante da Equação 4-9 utilizando uma técnica de fatoração de

matriz de André-Louis Cholesky):

>>> from sklearn.linear_model import Ridge

>>> ridge_reg = Ridge(alpha=1, solver="cholesky")

>>> ridge_reg.fit(X, y)

>>> ridge_reg.predict([[1.5]])

array([[ 1.55071465]])

E utilizando Gradiente Descendente Estocástico:

14

>>> sgd_reg = SGDRegressor(penalty="l2")

>>> sgd_reg.fit(X, y.ravel())

>>> sgd_reg.predict([[1.5]]) ...