逻辑回归算法的优化

本文介绍了逻辑回归算法的优化方法,包括设置截距、处理线性不可分问题、调整分类阈值以应对特定场景,增强算法的鲁棒性以及数据的归一化处理。通过实例代码展示了如何在实践中应用这些策略。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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")

    

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值