训练岭回归的α值

Question

我有以下代码运行简单的岭回归：

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)

我已经读过，使用我的数据的前半部分找到alpha是最简单的方法，但这怎么可能？

Answer 1

让我指出两个可能的方向。

1）交叉验证：

• RidgeCV - 只是一个结合GridSearchCV和Ridge的方便包装器。调整模型并检查属性_alpha。

2）贝叶斯方法：

• Bayesian Ridge Regression - 安装模型并计算_lambda / _alpha。