本帖最后由 Alexlei 于 2015-8-21 10:12 编辑
看spark官网给出的Logistic Regression例子代码
[mw_shl_code=python,true]points = spark.textFile(...).map(parsePoint).cache()
w = numpy.random.ranf(size = D) # current separating plane
for i in range(ITERATIONS):
gradient = points.map(
lambda p: (1 / (1 + exp(-p.y*(w.dot(p.x)))) - 1) * p.y * p.x
).reduce(lambda a, b: a + b)
w -= gradient
print "Final separating plane: %s" % w[/mw_shl_code]
[mw_shl_code=python,true](1 / (1 + exp(-p.y*(w.dot(p.x)))) - 1) * p.y * p.x[/mw_shl_code]
这个计算梯度的公式看不明白,怎么跟Logistic Regression的中的数学公式对不上?
求大神给分析一下!
|
|