SVM支持向量机:是常见的一种判别方法。在机器学习领域,是一个有监督的学习模型,通常用来进行模式识别、分类以及回归分析。 支持向量机算法:训练集散落在空间中,寻找一个超平面将训练集进行分割成两方,且距离超平面最近的点到超平面的距离最短。 设超平面W.X+b=0 通过伸缩放大超平面 W.X+b=1,使最近的点到超平面的|W.X+b|=1 点到超平面的距离为|W.X+b|/||W||,且yi(W.X+b)>=1 通过拉格朗日定理得到:L(W,a)=1/||W||+sum(1=>n)a*yi(W.X+b-1) 测试数据集地址 链接: https://pan.baidu.com/s/1dKOToq 密码: u3ue import org.apache.spark.ml.classification.LinearSVC import org.apache.spark.sql.SparkSession object SVMTest { def main(args: Array[String]): Unit = { val path = "file:/home/enche/Software/spark-2.2.1-bin-hadoop2.7/data/mllib/sample_libsvm_data.txt" val spark = SparkSession.builder().appName("test").master("local").getOrCreate() val data = spark.read.format("libsvm").load(path) print(data) //可线性分类SVM val lsvc = new LinearSVC().setRegParam(0.3).setMaxIter(100) val model = lsvc.fit(data) print(model.params) } }
Spark--SVM(支持向量机)--记录
最新推荐文章于 2024-04-28 23:36:49 发布