LogisticRegressionWithSGD¶
-
類
pyspark.mllib.classification。LogisticRegressionWithSGD¶ -
訓練一個分類二元邏輯回歸模型使用隨機梯度下降法。
使用ml.classification。LogisticRegressionor LogisticRegressionWithLBFGS.
方法
火車(數據、迭代步驟,…)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.,一步:浮動=1.0,miniBatchFraction:浮動=1.0,initialWeights:可選(VectorLike]=沒有一個,regParam:浮動=0.01,regType:str=“外語”,攔截:bool=假,validateData:bool=真正的,convergenceTol:浮動=0.001 )→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)
- 一步 浮動,可選
-
步驟參數用於SGD。(默認值:1.0)
- miniBatchFraction 浮動,可選
-
部分數據被用於每個SGD迭代。(默認值:1.0)
-
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)
- 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)
- convergenceTol 浮動,可選
-
一個決定迭代終止條件。(默認值:0.001)
-
數據
-
classmethod