Spark上矩阵运算库(六)——高级矩阵操作2

高级矩阵操作调查2

基于基础的矩阵运算（矩阵、向量的乘、加等），我们可以实现一些更高级的应用，来演示并行矩阵运算库的功能和效果。上周时间，我调研并且找到了用Matlab语言实现的如下两个基础应用：

1. Logistic Regression
2. K-Means
3. LU、QR矩阵分解

Logistic Regression

Logistic Regression是广义线性回归模型的代表，在回归问题中具有广泛的应用。Logstic Regression是在普通的线性回归模型基础上发展出来的，它将线性拟合的对象从因变量y变为因变量的对数几率 log p/(1-p) 。

其主要算法同普通的线性回归模型算法，但是在计算梯度时，因为引入了对数几率，因此与普通的线性回归不同。但除此之外，其他部分基本一致。

我找到了Stanford大学的机器学习课程中，提供的Logistic Regression参考实现的Matlab代码，代码下载页面见此。