python之如何使用 scipy 的 curve_fit 对线性回归进行正则化

最近熟练使用Python/scipy curve_fit进行线性回归。但是，对于高阶多项式，我的数据有时会过拟合。

如何添加正则化以减少过度拟合？

请您参考如下方法:

我想知道是否lasso penalization适合你:

# the high order items can be integrated into X (such as x1^2,x1*x2), and change it into a linear regression problem again 
lasso.fit(X, y)  
# the selection range of lambda can be determined by yourself. 
LassoCV(lambda=array([ 2, 1,9, ..., 0.2 , 0.1]),   
copy_X=True, cv=None, eps=0.001, fit_intercept=True, max_iter=1000, 
n_alphas=100, normalize=False, precompute=’auto’, tol=0.0001, 
verbose=False) 

应该在交叉验证期间选择最佳 lambda。