Spark--SVM(支持向量机)--记录
2018-01-26 19:31
155 查看
SVM支持向量机:是常见的一种判别方法。在机器学习领域,是一个有监督的学习模型,通常用来进行模式识别、分类以及回归分析。 支持向量机算法:训练集散落在空间中,寻找一个超平面将训练集进行分割成两方,且距离超平面最近的点到超平面的距离最短。 设超平面W.X+b=0 通过伸缩放大超平面 W.X+b=1,使最近的点到超平面的|W.X+b|=1 点到超平面的距离为|W.X+b|/||W||,且yi(W.X+b)>=1 通过拉格朗日定理得到:L(W,a)=1/||W||+sum(1=>n)a*yi(W.X+b-1) 测试数据集地址 链接: https://pan.baidu.com/s/1dKOToq 密码: u3ue import org.apache.spark.ml.classification.LinearSVC import org.apache.spark.sql.SparkSession object SVMTest { def main(args: Array[String]): Unit = { val path = "file:/home/enche/Software/spark-2.2.1-bin-hadoop2.7/data/mllib/sample_libsvm_data.txt" val spark = SparkSession.builder().appName("test").master("local").getOrCreate() val data = spark.read.format("libsvm").load(path) print(data) //可线性分类SVM val lsvc = new LinearSVC().setRegParam(0.3).setMaxIter(100) val model = lsvc.fit(data) print(model.params) } }
相关文章推荐
- Spark中组件Mllib的学习28之支持向量机SVM-方法1
- Spark中组件Mllib的学习29之支持向量机SVM-方法2
- 支持向量机-SVM-最优化公式推导记录
- Coursera_Stanford_ML_ex6_支持向量机(SVM) 作业记录
- SVM支持向量机一(入门)
- 支持向量机SVM(Support Vector Machines)介绍
- 机器学习算法 - 支持向量机SVM
- SVM支持向量机原理(一) 线性支持向量机
- 支持向量机(SVM)(二)-- 拉格朗日对偶(Lagrange duality)
- 支持向量机SVM算法原理笔记2
- paper 9:SVM番外篇:支持向量机系列六:Duality —— 关于 dual 问题推导的一些补充理论。
- SVM支持向量机
- 支持向量机SVM----机器学习读书笔记
- 第九章 SVM(支持向量机)
- 机器学习之支持向量机SVM及代码示例
- spark记录
- OpenCV的支持向量机SVM的程序
- spark sql 学习中的几点记录
- 机器学习---支持向量机(SVM)算法(上)
- 支持向量机(SVM)的特点与不足