本文详细介绍了逻辑回归模型在天猫大数据分析中的应用，从基础概念到模型建立过程，包括sigmoid函数、极大似然估计和优化算法。在实际操作中，结合MapReduce和ODPS进行数据处理，最终提升F1值达到4%。通过LP方法和itemCF融合，实现了更精准的预测。
进入第二季之后，开始熟悉第二季的平台，在延续了第一季的算法后，在大数据上约取得了4%的F1值，itemCF是在map-reduce下完成，统计模型是
基本在基于odps的sql操作表级下完成
之后转战回归模型
这里先回忆一下回归模型的基础：
谓LR分类器(Logistic Regression Classifier)，并没有什么神秘的。在分类的情形下，经过学习之后的LR分类器其实就是一组权值w0,w1,...,wm.
当测试样本集中的测试数据来到时，这一组权值按照与测试数据线性加和的方式，求出一个z值：
z = w0+w1*x1+w2*x2+
最低0.47元/天 解锁文章
2966
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
