LinearRegressionWithSGD

pyspark.mllib.regression。 LinearRegressionWithSGD

火車沒有正規化的線性回歸模型使用隨機梯度下降法。

方法

火車(數據、迭代步驟,…)

使用隨機梯度下降訓練線性回歸模型(SGD)。

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=0.0,regType:可選(str]=沒有一個,攔截:bool=,validateData:bool=真正的,convergenceTol:浮動=0.001 )pyspark.mllib.regression.LinearRegressionModel

使用隨機梯度下降訓練線性回歸模型(SGD)。這解決了最小二乘回歸公式

f(權重)= 1 / (2 n) | |一個權重- y | | ^ 2

均方誤差。這裏的數據矩陣n行,輸入抽樣的行集,每個都有其相應的右手邊標簽y。參見文檔的精確公式。

參數
數據 pyspark.RDD

訓練數據,LabeledPoint的抽樣。

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:0.0)

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

  • 沒有沒有正規化(默認)

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)