python - 为岭回归训练 alpha 值

Question

我有以下运行简单 Ridge 回归的代码:

for col in cols:                      #zscore normalization
    df[col] = (df[col] - df[col].mean())/df[col].std(ddof=0)
y = df['SPXR_{}D'.format(horizon)]    #my dependent variable (future market returns)
x = df[cols]                          #a bunch of variables that predict market returns
model = linear_model.Ridge(alpha=0.5) #ridge regression, guess & check based alpha
res = model.fit(x, y)

我读到过使用数据的前半部分找到 alpha 是最简单的方法，但这怎么可能呢？

Answer 1

让我为您指出 2 个可能的方向。

1) 交叉验证:

• RidgeCV - 只是一个方便的包装器，结合了 GridSearchCV 和 Ridge。拟合模型并检查属性 _alpha。

2) 贝叶斯方法:

• Bayesian Ridge Regression - 拟合模型并计算 _lambda/_alpha。