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")