是否有可能提取拟合回归模型所需的迭代次数(通过Gradient Descent)?除了常规模型评估指标外,我看不到任何与迭代次数有关的信息。
regressor = LinearRegression()
regressor.fit(xtr, ytr)
print('Mean Absolute Error:', metrics.mean_absolute_error(yt, y_pred))
print('Mean Squared Error:', metrics.mean_squared_error(yt, y_pred))
print('Root Mean Squared Error:', np.sqrt(metrics.mean_squared_error(yt, y_pred)))
Scikit documentation显示所有可能的度量模块
如Gilad]所指出的,使用OLS来计算线性回归问题不涉及迭代。我在这里猜测您正在尝试实现使用渐变下降的线性回归模型。对于下一个,在执行之前定义了迭代次数。
因此要使用Gradient Descent
,可以手动编写algorithm(Another link),也可以使用Sklearn中的Ridge回归或Lasso回归。这里有一个n_iter参数,通过它可以确定确定系数所需的迭代次数。定义为class sklearn.linear_model.Ridge
(alpha = 1.0,*,fit_intercept = True,normalize = False,copy_X = True,max_iter = None,tol = 0.001,Solver ='auto',random_state = None)]] >属性
n_iter
:_无或形状为ndarray(n_targets,)每个目标的实际迭代次数。仅适用于sag和lsqr求解器。其他求解器将返回None。注
:您可以将solver
sag or saga
以使用梯度下降法。