LogisticRegressionWithLBFGS¶
-
類
pyspark.mllib.classification。LogisticRegressionWithLBFGS¶ -
多項訓練分類模型/二元邏輯回歸使用內存有限撓撓。
標準功能擴展和L2正規化默認使用。
方法
火車(數據、迭代、initialWeights…))訓練邏輯回歸模型在給定的數據。
方法的文檔
-
classmethod
火車( 數據:pyspark.rdd.RDD(pyspark.mllib.regression.LabeledPoint],迭代:int=One hundred.,initialWeights:可選(VectorLike]=沒有一個,regParam:浮動=0.0,regType:str=“外語”,攔截:bool=假,修正:int=10,寬容:浮動=1 e-06,validateData:bool=真正的,numClasses:int=2 )→pyspark.mllib.classification.LogisticRegressionModel ¶ -
訓練邏輯回歸模型在給定的數據。
- 參數
-
-
數據
pyspark.RDD - 迭代 int,可選
-
迭代的數量。(默認:100)
-
initialWeights
pyspark.mllib.linalg.Vector或可兌換,可選 -
最初的重量。(默認值:無)
- regParam 浮動,可選
-
調整參數。(默認值:0.01)
- regType str,可選
-
規範用於訓練模型的類型。支持的價值觀:
“l1”使用l1正規化
“l2”使用l2正規化(默認)
沒有沒有正規化
- 攔截 bool,可選
-
布爾參數表示的使用與否為訓練數據(即增強表示。是否偏置功能被激活)。(默認值:False)
- 修正 int,可選
-
修正LBFGS中使用更新的數量。如果已知updater用於二進製分類,它調用毫升實現,該參數將沒有影響。(默認值:10)
- 寬容 浮動,可選
-
L-BFGS迭代的收斂公差。(默認值:1 e-6)
- validateData bool,可選
-
布爾參數,表明該算法是否應該訓練之前驗證數據。(默認值是真實的)
- numClasses int,可選
-
類的數量(即。,outcomes) a label can take in Multinomial Logistic Regression. (default: 2)
-
數據
例子
> > >數據=(…LabeledPoint(0.0,(0.0,1.0]),…LabeledPoint(1.0,(1.0,0.0]),…]> > >lrm=LogisticRegressionWithLBFGS。火車(sc。並行化(數據),迭代=10)> > >lrm。預測([1.0,0.0])1> > >lrm。預測([0.0,1.0])0
-
classmethod