python - 在此示例中，为什么 RidgeCV 中的 alphas=alphas ？

Question

我需要实现Lasso和Ridge回归，并通过交叉验证的方式计算超参数。我找到了执行此操作的代码，但我不太理解它。

lassocv = LassoCV(alphas=None, cv=15, max_iter=100000, normalize=True)
lassocv.fit(X_train, y_train)
lasso = Lasso(alpha=lassocv.alpha_, normalize=True)
lasso.fit(X_train, y_train)
rmse = np.sqrt(mean_squared_error(y_val, lasso.predict(X_val)))

ridgecv = RidgeCV(alphas=alphas, normalize=True)
ridgecv.fit(X_train, y_train)
ridge = Ridge(alpha=ridgecv.alpha_, normalize=True)
ridge.fit(X_train, y_train)
rmse = np.sqrt(mean_squared_error(y_val, ridge.predict(X_val)))

那么，为什么 RidgeCV 中 alphas=alphas 呢？如果我写 alphas=None ，就会发生错误。为什么ridgecv不需要写cv？

Answer 1

我认为答案与不同模型上正则化强度的设置方式有关。

在 RidgeCV 中，您需要显式声明 alpha，因为参数调整不是根据交叉验证计算出的误差来完成的。

然而，在 LassoCV 中，他们有一种根据 CV 误差自动计算 alpha 的方法。但是，如果您想显式设置它们，可以通过更改可选参数来实现:n_alpha 和 alphas

引用:https://web.stanford.edu/~hastie/Papers/ESLII.pdf有关详细信息，请参阅第 7 章第 4 节。