岭分类（RidgeClassifier）使用文档

组件名称	岭分类（RidgeClassifier）
工具集	机器学习
组件作者	雪浪云-墨文
文档版本	1.0
功能	岭分类（RidgeClassifier）算法
镜像名称	ml_components:3
开发语言	Python

组件原理

岭估计(Ridge estimate)是由Hoerl和Kennard于1970年提出的[Hoerl&Kennard1970]。自1970年以来，这种估计的研究和应用得到广泛重视，成为目前最有影响的一种有偏估计

岭分类的名字来源于模型的解与正则化参数λ之间的图像。

它的性质如下：

比较重要的是性质3和4。

输入桩

支持单个csv文件输入。

输入端子1

• 端口名称：训练数据
• 输入类型：Csv文件
• 功能描述： 输入用于训练的数据

输出桩

支持sklearn模型输出。

输出端子1

• 端口名称：输出模型
• 输出类型：sklearn模型
• 功能描述： 输出训练好的模型用于预测

参数配置

正则化强度

• 功能描述：正则化强度；必须是正浮点数
• 必选参数：是
• 默认值：1.0

计算截距

• 功能描述：是否计算模型截距
• 必选参数：是
• 默认值：true

归一化

• 功能描述：是否对数据进行归一化处理，该参数在Fit Intercept参数设为False时会被忽略
• 必选参数：是
• 默认值：false

最大迭代次数

• 功能描述：模型训练时的最大迭代次数
• 必选参数：是
• 默认值：100

求解精度

• 功能描述：求解的精确度
• 必选参数：是
• 默认值：0.001

求解器

• 功能描述：选择模型的求解器
• 必选参数：是
• 默认值：auto

Random State

• 功能描述：当求解器为"sag"或者"saga"时，用来打乱数据
• 必选参数：否
• 默认值：（无）

需要训练

• 功能描述：该模型是否需要训练，默认为需要训练。
• 必选参数：是
• 默认值：true

特征字段

• 功能描述：特征字段
• 必选参数：是
• 默认值：（无）

识别字段

• 功能描述：识别字段
• 必选参数：是
• 默认值：（无）

使用方法

• 将组件拖入到项目中
• 与前一个组件输出的端口连接（必须是csv类型）
• 点击运行该节点