逻辑斯蒂回归:
逻辑斯蒂回归是统计学习中的经典分类方法,属于对数线性模型。logistic回归的因变量可以是二分类的,
也可以是多分类的
基本原理
logistic 分布
折X是连续的随机变量,X服从logistic分布是指X具有下列分布函数和密度函数:
其中
为位置参数,
为形状参数。
与
图像如下,其中分布函数是以
为中心对阵,
越小曲线变化越快
二项logistic回归模型;
二项logistic回归模型如下:
其中
是输入,
输出,W称为权值向量,b称为偏置,
是w和x的内积
参数估计
假设:
则似然函数为:
求对数似然函数:
从而对
求极大值,得到w的估计值。求极值的方法可以是梯度下降法,梯度上升法等。
示例代码:
#导入需要的包:
from pyspark import SparkContext
from pyspark.sql import SparkSession,Row,functions
from pyspark.ml.linalg import Vector,Vectors
from pyspark.ml.evaluation import MulticlassClassificationEvaluator
from pyspark.ml import Pipeline
from pyspark.ml.feature import IndexToString,StringIndexer,VectorIndexer,HashingTF,Tokenizer
from pyspark.ml.classification import LogisticRegression,LogisticRegressionModel,BinaryLogisticRegressionSummary,LogisticRegression<