首页 / 算法 / 回归算法之逻辑回归

回归算法之逻辑回归

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了回归算法之逻辑回归，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1249字，纯文字阅读大概需要2分钟。

内容图文

线性回归与逻辑回归的区别：
比如要分析年龄，性别，身高，饮食习惯对于体重的影响，如果体重是实际的重量，那么就要使用线性回归。如果将体重分类，分成了高，中，低三类，就要使用逻辑回归进行分类。
回归算法之逻辑回归 - 文章图片

import org.apache.spark.mllib.classification.{LogisticRegressionWithLBFGS}
import org.apache.spark.mllib.util.MLUtils
import org.apache.spark.{SparkConf, SparkContext}
object LogisticRegressionExample01 {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("spark").setMaster("local[3]")
    val sc = new SparkContext(conf)
    //加载 LIBSVM 格式的数据  这种格式特征前缀要从1开始
    val inputData = MLUtils.loadLibSVMFile(sc, "healstatus.txt")
    val splits = inputData.randomSplit(Array(0.7, 0.3), seed = 1L)
    val (trainingData, testData) = (splits(0), splits(1))
    val lr = new LogisticRegressionWithLBFGS()
    lr.setIntercept(true)  //设置截距
    val model = lr.run(trainingData) 
    //预测值与测试y值的差
    val result = testData
      .map{point=>Math.abs(point.label-model.predict(point.features))}
      //打印预测的y值
    testData.foreach(t=>{
      println(model.predict(t.features)+".....")
    })
    println("正确率="+(1.0-result.mean()))

    /**
      *逻辑回归算法训练出来的模型，模型中的参数个数（w0....w6）=训练集中特征数(6)+1
      */
    println(model.weights.toArray.mkString(" "))
    println(model.intercept)
    sc.stop()
  }
}

回归算法之逻辑回归 - 文章图片
回归算法之逻辑回归 - 文章图片

内容总结

以上是互联网集市为您收集整理的回归算法之逻辑回归全部内容，希望文章能够帮你解决回归算法之逻辑回归所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/841891.html

来源：【匿名】