LogisticRegressionWithSGD¶
-
类
pyspark.mllib.classification。LogisticRegressionWithSGD¶ -
训练一个分类二元逻辑回归模型使用随机梯度下降法。
使用ml.classification。LogisticRegressionor LogisticRegressionWithLBFGS.
方法
火车(数据、迭代步骤,…)训练逻辑回归模型在给定的数据。
方法的文档
-
classmethod
火车( 数据:pyspark.rdd.RDD(pyspark.mllib.regression.LabeledPoint],迭代:int=One hundred.,一步:浮动=1.0,miniBatchFraction:浮动=1.0,initialWeights:可选(VectorLike]=没有一个,regParam:浮动=0.01,regType:str=“外语”,拦截:bool=假,validateData:bool=真正的,convergenceTol:浮动=0.001 )→pyspark.mllib.classification.LogisticRegressionModel ¶ -
训练逻辑回归模型在给定的数据。
- 参数
-
-
数据
pyspark.RDD - 迭代 int,可选
-
迭代的数量。(默认:100)
- 一步 浮动,可选
-
步骤参数用于SGD。(默认值:1.0)
- miniBatchFraction 浮动,可选
-
部分数据被用于每个SGD迭代。(默认值:1.0)
-
initialWeights
pyspark.mllib.linalg.Vector或可兑换,可选 -
最初的重量。(默认值:无)
- regParam 浮动,可选
-
调整参数。(默认值:0.01)
- regType str,可选
-
规范用于训练模型的类型。支持的价值观:
“l1”使用l1正规化
“l2”使用l2正规化(默认)
没有没有正规化
- 拦截 bool,可选
-
布尔参数表示的使用与否为训练数据(即增强表示。是否偏置功能被激活)。(默认值:False)
- validateData bool,可选
-
布尔参数,表明该算法是否应该训练之前验证数据。(默认值是真实的)
- convergenceTol 浮动,可选
-
一个决定迭代终止条件。(默认值:0.001)
-
数据
-
classmethod