广义线性模型的流式学习

本文介绍了如何在Spark Streaming环境下应用广义线性模型,包括线性模型、逻辑斯特回归、岭回归和Lasso模型。针对Lasso模型中L1正则化导致的不可导问题,提出了使用Huber Function进行平滑处理,以便于梯度下降法求解。通过这种方式,实现了这些模型在流式数据上的学习和优化。
摘要由CSDN通过智能技术生成

广义线性模型的流式学习


1. 广义线性模型的组成

在这篇博客中,我们将介绍机器学习中最常用的一大类模型:广义线性模型。广义线性模型包含线性模型、逻辑斯特回归、岭回归、Lasso等。这几种模型在spark中均有实现,然而,还未有基于spark streaming的流式算法。

2. 本文符号

假设我们有n个数据,分别为,每个数据的维度为k,在广义线性模型中,我们将这n个数据集中到一个矩阵中,其中A的每一行为一个数据。每个数据对应的标签为,注意每个标签是一个(0,1)的数,我们把这n个数集合到一个向量中。另外,我们假设广义线性模型中需要学习的参数为x&#

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值