scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 NumPy ，SciPy 和 matplotlib 上 开源，可商业使用 - BSD许可证1.监督学习 1广义线性模型 °1.1.1普通最小二乘法 1.1.2岭回归 1.1.3LaSs0 o1.1.4多任务 Lasso 115弹性网络 o116多任务弹性网络 1.1.7最小角回归 1.1. 8 LARS Lasso 1.19正交匹配追踪法(OMP 1.1.1

尽管支持向量机（SVM）的解决方案相对稀疏，但由于支持向量的数量通常随训练集的大小线性增长，因此不必要地自由使用了基函数。 在本文中，我们提出了一种简单的后处理方法，以稀疏化支持向量回归（SVR）的解决方案。 主要思想如下：首先，我们在完整的训练设备上训练一台SVR机器。 然后，另一台SVR机器仅在具有修改后目标值的完整训练集中的子集上进行训练。 此过程反复进行几次。 实验表明，该方法在保持SVR良好泛化能力的同时，可以大大减少支持向量。