comaple

mahout 实用教程 (一)                                                                            —by comaple.zhang 本文力求把mahout从使用的角度为读者建立一个框架，为后续的使用打下基础。本文为原创文章转载请注明原网址http://blog.csdn.net/comaple，谢谢。

本节将一下逻辑回归和R语言实现，逻辑回归(LR，LogisticRegression)其实属于广义回归模型，根据因变量的类型和服从的分布可以分为，普通多元线性回归模型，和逻辑回归，逻辑回归是指因变量是离散并且取值范围为{0，1}两类，如果离散变量取值是多项即变为 multi-class classification，所以LR模型是一个二分类模型，可以用来做CTR预测等。那么我们现在来引出逻辑回归如何做二分类问题。

再谈多项式回归，本节再次提及多项式回归分析，理解过拟合现象，并深入cross-validation(交叉验证),regularization(正则化)框架，来避免产生过拟合现象，从更加深入的角度探讨理论基础以及基于R如何将理想照进现实。

R语言数据分析系列之五，R语言数据可视化

R语言数据分析系列之六，探索性数据分析，数据初探

R语言数据分析系列之四,随机分布以及函数

物联网，人工智能，机器学习，大数据，大数据医疗，大数据服务

R语言数据分析系列之三

R语言数据分析系列之二

R语言数据分析系列之一，R 数据类型。

R语言数据分析系列之七,回归分析建模是数据分析里面很重要的一个应用之一，即通过使用已有的自变量的值建立某种关系，来预测未知变量（因变量）的值。如果因变量是连续的那就是回归分析，如果因变量为离散的，可以理解为是分类。