statsmodels.gam.generalized_additive_模型.GLMGam.选择_惩罚权重_k折¶

GLMGam.select_penweight_kfold(alphas=None, cv_iterator=None, cost=None, k_folds=5, k_grid=11)[source]¶

通过k折交叉验证找到alpha值

Warning: This estimates k_folds models for each point in the

alpha 的网格。

Parameters:¶

alphasNone or list of arrays

cv_iteratorinstance

交叉验证迭代器的实例，默认情况下这是一个 KFold 实例

costfunction

默认是均方误差。用于评估预测误差的成本函数，针对被排除的样本。这应该接受两个数组作为参数并返回一个浮点数。

k_foldsint

如果使用默认的 Kfold 迭代器，则表示折叠的数量。 如果 cv_iterator 不为 None，则忽略此参数。

Returns:¶

alpha_cvlist of float

根据交叉验证，网格中最佳的alpha值

res_cvinstance of MultivariateGAMCVPath

该实例用于交叉验证并保存结果

注释

默认的alphas定义为 alphas = [np.logspace(0, 7, k_grid) for _ in range(k_smooths)]