原创文章,转载请注明: 转载自http://www.cnblogs.com/tovin/p/3816289.html

本文以spark 1.0.0版本MLlib算法为准进行分析

一、代码结构

逻辑回归代码主要包含三个部分

1、classfication:逻辑回归分类器

2、optimization:优化方法,包含了随机梯度、LBFGS两种算法

3、evaluation:算法效果评估计算

  

二、逻辑回归分类器

1、LogisticRegressionModel类

 (1) 根据训练数据集得到的weights来预测新的数据点的分类

  

 (2)预测新数据分类

  采用  

其中w为权重向量weightMatrix,X表示预测数据dataMatrix,a表示intercept,intercept默认为0.0。

threshold变量用来控制分类的阈值,默认值为0.5。表示如果预测值<threshold则为分类0.0,否则为1.0

  如果threshold设置为空,这会输出实际值  

2、LogisticRegressionWithSGD类

  此类主要接收外部数据集、算法参数等输入进行训练得到一个逻辑回归模型LogisticRegressionModel

  接收的输入参数包括:

    input:输入数据集合,分类标签lable只能是1.0和0.0两种,feature为double类型

    numIterations:迭代次数,默认为100

    stepSize:迭代步伐大小,默认为1.0

    miniBatchFraction:每次迭代参与计算的样本比例,默认为1.0

    initialWeights:weight向量初始值,默认为0向量

    regParam:regularization正则化控制参数,默认值为0.0

  

   在LogisticRegressionWithSGD中可以看出它使用了GradientDescent(梯度下降)来优化weight参数的

  

3、GeneralizedLinearModel类

  LogisticRegressionWithSGD中的run方法会调用GeneralizedLinearModel中的run方法来训练训练数据

  在run方法中最关键的就是optimize方法,正是通过它来求得weightMatrix的最优解

  

三、优化方法

  逻辑回归采用了梯度下降算法来寻找weight的最优解

  逻辑回归cost function

    

  其中:

    

  对J(Θ)求导数后得到梯度为:

        

  1、GradientDescent类

    负责梯度下降算法的执行,分为Gradient梯度计算与weight update两个步骤来计算   

    

  2、Gradient类

    负责算法梯度计算,包含了LogisticGradient、LeastSquaresGradient、HingeGradient三种梯度计算实现,本文主要介绍LogisticGradient的实现:

    

    其中data为公式中的x,label为公式中的y,weights为公式中的Θ

        gradient就是对J(Θ)求导的计算结果, loss为J(Θ)的计算结果

  3、Updater类

    负责weight的迭代更新计算,包含了SimpleUpdater、L1Updater、SquaredL2Updater三种更新策略

    (1)SimpleUpdater

      没有使用regularization,weights更新规则为:

      

      其中:iter表示这是执行的第几次迭代

      

    (2)L1Updater

      使用了L1 regularization(R(w) = ||w||),利用soft-thresholding方法求解,weight更新规则为:

      

      

      signum是符号函数,它的取值如下:

      

      

    

    (3)SquaredL2Updater

      使用了L2 regularization(R(w) = 1/2 ||w||^2),weights更新规则为:

      

      

      

  注意:Mllib中的逻辑回归算法默认使用的SimpleUpdater

四、算法效果评估

  BinaryClassificationMetrics类中包含了多种算法算法效果评估计算方法:

  相关 不相关
检索到 true positives (tp) false positives(fp)
未检索到 false negatives(fn) true negatives (tn)

  

   1、ROC(receiver operating characteristic接收者操作特征)    

   

    

   调整分类器threshold取值,以FPR为横坐标,TPR为纵坐标做ROC曲线

   Area Under roc Curve(AUC):处于ROC curve下方的那部分面积的大小

   通常,AUC的值介于0.5到1.0之间,较大的AUC代表了较好的性能

   

   2、precision-recall(准确率-召回率)

    

    准确率和召回率是互相影响的,理想情况下肯定是做到两者都高,

    但是一般情况下准确率高、召回率就低,召回率低、准确率高,

当然如果两者都低,那是什么地方出问题了

   3、F-Measure

   

   在precision与recall都要求高的情况下,可以用F来衡量   

原创文章,转载请注明: 转载自http://www.cnblogs.com/tovin/p/3816289.html

  

Spark Mllib逻辑回归算法分析的更多相关文章

  1. Spark ML逻辑回归

    import org.apache.log4j.{Level, Logger} import org.apache.spark.ml.classification.LogisticRegression ...

  2. Spark LogisticRegression 逻辑回归之建模

    导入包 import org.apache.spark.sql.SparkSession import org.apache.spark.sql.Dataset import org.apache.s ...

  3. Spark 多项式逻辑回归__多分类

    package Spark_MLlib import org.apache.spark.ml.Pipeline import org.apache.spark.ml.classification.{B ...

  4. Spark 多项式逻辑回归__二分类

    package Spark_MLlib import org.apache.spark.ml.Pipeline import org.apache.spark.ml.classification.{L ...

  5. Spark 机器学习------逻辑回归

    package Spark_MLlib import javassist.bytecode.SignatureAttribute.ArrayType import org.apache.spark.s ...

  6. Spark LR逻辑回归中RDD转DF中VectorUDT设置

    System.setProperty("hadoop.home.dir", "C:\\hadoop-2.7.2"); val spark = SparkSess ...

  7. Spark LogisticRegression 逻辑回归之简介

    LogisticRegression简介

  8. 《Spark MLlib机器学习实践》内容简介、目录

      http://product.dangdang.com/23829918.html Spark作为新兴的.应用范围最为广泛的大数据处理开源框架引起了广泛的关注,它吸引了大量程序设计和开发人员进行相 ...

  9. Spark MLlib回归算法------线性回归、逻辑回归、SVM和ALS

    Spark MLlib回归算法------线性回归.逻辑回归.SVM和ALS 1.线性回归: (1)模型的建立: 回归正则化方法(Lasso,Ridge和ElasticNet)在高维和数据集变量之间多 ...

随机推荐

  1. 安装WordPress详细教程指南

    最近准备自己建一个个人博客,以便分享一些自己工作生活中的一些观点及经验,建博客当然选wordpress,毕竟wordpress是为博客而生的嘛.下边记录一下自己安装WordPress的详细过程指南,亦 ...

  2. linq 日常关键字使用

    1.from var scoreQuery = from student in students from score in student.Scores where score > 90 se ...

  3. silverlight 文本框只能输入汉字

    private void txtName_KeyDown(object sender, KeyEventArgs e) { Regex rg = new Regex("^[\u4e00-\u ...

  4. jQuery插件css3动画模拟confirm弹窗

    相比浏览器自带的alert.confirm,能力所及,我更喜欢所有的东西都是自定义:首先在head标签(当然喜欢其他地方自己看着办)内引入插件样式表和js.<link rel="sty ...

  5. php中echo、print、print_r、printf的返回值

    1.echo 无返回值,是一个语言结构.在输出多个参数时不可以使用小括号; 2.print返回值为1:如:$x = 0; echo print $x."<br/>";/ ...

  6. hibernate4 使用及 新特性

    hibernate4.x已经在官网出现一段时间了.下载地址: http://hibernate.org/orm/downloads/ 使用hibernate4所需要的jar包 在lib\require ...

  7. WPF中实现Button.Content变化的简易动画

    项目中曾要这样的需求——输入法的切换,要求从English切换到简体中文的时候,Button的Content先从English变成空白,再从空白变成简体中文, 而不是直接从English变成简体中文. ...

  8. 失败经历--在windows下安装meld

    缘起 在linux下,最早用的比较工具是vim,这是作为一个vimer的自尊(其实没有关系吧).终于有一天,在比较同一个项目的两个版本的时候,比较了两三个文件后,看着vim里面花花绿绿的颜色,实在是受 ...

  9. 批量kill mysql processlist进程

    如果大批量的操作能够通过一系列的select语句产生,那么理论上就能对这些结果批量处理.但是mysql并没用提供eval这样的对结果集进行分析操作的功能.所以只能现将select结果保存到临时文件中, ...

  10. IOS 基于APNS消息推送原理与实现(JAVA后台)

    Push的原理: Push 的工作机制可以简单的概括为下图 图中,Provider是指某个iPhone软件的Push服务器,这篇文章我将使用.net作为Provider. APNS 是Apple Pu ...