logisticRegression: logisticRegression

Articolo
05/23/2023

Crea un elenco contenente il nome della funzione e gli argomenti per eseguire il training di un modello di regressione logistica con rxEnsemble.

Utilizzo

  logisticRegression(l2Weight = 1, l1Weight = 1, optTol = 1e-07,
    memorySize = 20, initWtsScale = 0, maxIterations = 2147483647,
    showTrainingStats = FALSE, sgdInitTol = 0, trainThreads = NULL,
    denseOptimizer = FALSE, ...)

Arguments

`l2Weight`

Peso di regolarizzazione L2. Il suo valore deve essere maggiore o uguale a 0 e il valore predefinito è impostato su 1.

`l1Weight`

Il peso di regolarizzazione L1. Il suo valore deve essere maggiore o uguale a 0 e il valore predefinito è impostato su 1.

`optTol`

Valore di soglia per la convergenza dell'ottimizzatore. Se il miglioramento tra le iterazioni è inferiore alla soglia, l'algoritmo si interrompe e restituisce il modello corrente. I valori più piccoli sono più lenti, ma più precisi. Il valore predefinito è 1e-07.

`memorySize`

Dimensione della memoria per L-BFGS, che specifica il numero di posizioni e gradienti passati da archiviare per il calcolo del passaggio successivo. Questo parametro di ottimizzazione limita la quantità di memoria usata per calcolare l'entità e la direzione del passaggio successivo. Quando si specifica una quantità di memoria inferiore, il training è più veloce ma meno accurato. Deve essere maggiore o uguale a 1 e il valore predefinito è 20.

`initWtsScale`

Imposta il diametro dei pesi iniziali che specifica l'intervallo da cui vengono prelevati i valori per i pesi iniziali. Questi pesi vengono inizializzati in modo casuale all'interno di questo intervallo. Se ad esempio si specifica che il diametro è d, i pesi vengono distribuiti uniformemente tra -d/2 e d/2. Il valore predefinito è 0, che specifica che tutti i pesi vengano inizializzati in 0.

`maxIterations`

Imposta il numero massimo di iterazioni. Dopo questo numero di passaggi, l'algoritmo si arresta anche se non ha soddisfatto i criteri di convergenza.

`showTrainingStats`

Specificare TRUE per visualizzare le statistiche dei dati di training e del modello sottoposto a training; altrimenti FALSE. Il valore predefinito è FALSE. Per altre informazioni sulle statistiche del modello, vedere summary.mlModel.

`sgdInitTol`

Impostare su un numero maggiore di 0 per usare la discesa stocastica del gradiente (SGD) per trovare i parametri iniziali. Un set di valori diverso da zero specifica la tolleranza usata dal metodo SGD per determinare la convergenza. Il valore predefinito è 0 e specifica che il metodo SGD non viene usato.

`trainThreads`

Numero di thread da usare nel training del modello. Deve essere impostato sul numero di core presenti nel computer. Si noti che il multithreading L-BFGS prova a caricare il set di dati in memoria. In caso di problemi di memoria insufficiente, impostare trainThreads su 1 per disattivare il multithreading. Se NULL, il numero di thread da usare viene determinato internamente. Il valore predefinito è NULL.

`denseOptimizer`

Se TRUE, forza la densificazione dei vettori di ottimizzazione interni. Se FALSE, consente all'ottimizzatore di regressione logistica di usare stati interni di tipo sparse o denso come ritiene appropriato. L'impostazione di denseOptimizer su TRUE richiede che l'ottimizzatore interno usi uno stato interno denso, che può contribuire ad alleviare il carico sul Garbage Collector per alcune varietà di problemi più grandi.

`...`

Argomenti aggiuntivi.

Condividi tramite