逻辑回归算法的优化

一：有无截距：

        

如上图。可以知道，有截距的线条数比无截距的线条数（过原点的线条）要多。所以在选择逻辑回归的时候，通常要设置截距。增加正确的概率。

        代码：

                val lr = new LogisticRegressionWithSGD()   ----创建逻辑回归对象

                lr.setIntercept(true) -----设置截距  

二：线性不可分的时候，增加维度。

如图：当找不到一条线可以正确分类的时候，可以通过增加维度，找到一个面，正确的分类。而新维度的添加不能是随意的，是根据之前的维度，进行一些计算得到（具体的执行什么计算，是要通过大量的测试得出来的）。

代码：

def main(args:Array[String]){

    val conf  = new SparkConf().setAppName("lr").setMaster("local[*]")

    val sc = new SparkContext(conf)

    val inputdata = MLUtils.loadLibSVMFile(sc,"线性不可分的数据集.txt")