A regressão de Ridge do scikit-learn inclui o coeficiente de interceptação no termo de regularização? Em caso afirmativo, existe uma maneira de executar a regressão de cordilheira sem regularizar a interceptação?

Suponha que eu ajuste uma regressão de cume:

from sklearn import linear_model

mymodel = linear_model.Ridge(alpha=0.1, fit_intercept=True).fit(X, y)
print mymodel.coef_
print mymodel.intercept_

para alguns dados X, y em que X não inclui uma coluna de 1s. fit_intercept = True adicionará automaticamente uma coluna de interceptação, e o coeficiente correspondente é dado por mymodel.intercept_. O que não consigo descobrir é se esse coeficiente de interceptação fazia parte do somatório da regularização no objetivo de otimização.

De acordo comhttp://scikit-learn.org/stable/modules/linear_model.html, o objetivo da otimização é minimizar em relação a w:

|| X * w - y || ** 2 + alfa * || w || ** 2

(usando a norma L2). O segundo termo é o termo de regularização, e a questão é se ele inclui o coeficiente de interceptação no caso em que definimos fit_intercept = True; e se sim, como desativar isso.