StreamingLinearRegressionWithSGD¶
-
类
pyspark.mllib.regression。
StreamingLinearRegressionWithSGD
( stepSize:浮动=0.1,numIterations:int=50,miniBatchFraction:浮动=1.0,convergenceTol:浮动=0.001 ) ¶ -
火车或预测流数据的线性回归模型。培训使用随机梯度下降法来更新模型基于每一批新传入的数据从一个DStream(见LinearRegressionWithSGD对模型方程)。
每一批的数据被认为是一个LabeledPoints抽样。数据点的数量每批可以不同,但功能的数量必须是常数。必须提供一个初始权向量。
- 参数
-
- stepSize 浮动,可选
-
为每个迭代步长梯度下降法。(默认值:0.1)
- numIterations int,可选
-
运行的迭代次数为每一批数据。(默认值:50)
- miniBatchFraction 浮动,可选
-
分数每一批的数据用于更新。(默认值:1.0)
- convergenceTol 浮动,可选
-
值用来确定何时终止迭代。(默认值:0.001)
方法
返回最新的模型。
predictOn
(dstream)使用该模型来预测从DStream批次的数据。
predictOnValues
(dstream)利用该模型预测的值DStream和携带的钥匙。
setInitialWeights
(initialWeights)设置权重的初始值。
trainOn
(dstream)在传入dstream火车模型。
方法的文档
-
latestModel
( )→可选( pyspark.mllib.regression.LinearModel ] ¶ -
返回最新的模型。
-
predictOn
( dstream:DStream(VectorLike] )→DStream(浮动] ¶ -
使用该模型来预测从DStream批次的数据。
- 返回
-
-
pyspark.streaming.DStream
-
DStream包含预测。
-
-
predictOnValues
( dstream:DStream(元组(K,VectorLike]] )→DStream(元组(K,浮动] ] ¶ -
利用该模型预测的值DStream和携带的钥匙。
- 返回
-
-
pyspark.streaming.DStream
-
DStream包含预测。
-
-
setInitialWeights
( initialWeights:VectorLike )→StreamingLinearRegressionWithSGD¶ -
设置权重的初始值。
这个运行trainOn和predictOn之前必须设置
-
trainOn
( dstream:pyspark.streaming.dstream.DStream(pyspark.mllib.regression.LabeledPoint] )→没有¶ -
在传入dstream火车模型。