共用方式為


logisticRegression:logisticRegression

建立包含可使用 rxEnsemble 將羅吉斯迴歸模型訓練之函數名稱與引數的清單。

使用方式

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

引數

l2Weight

L2 正規化權數。 其值必須大於或等於 0,且預設值設定為 1

l1Weight

L1 正規化權數。 其值必須大於或等於 0,且預設值設定為 1

optTol

最佳化工具聚合的閾值。 換句話說,如果反覆運算之間的改進少於臨界值,此演算法會停止,並傳回目前的模型。 較小的值較慢,但更精確。 預設值是 1e-07

memorySize

L-BFGS 的記憶體大小,指定要儲存的通過位置和梯度數目,以計算下一個步驟。 此最佳化參數限制用來計算下一個步驟範圍和方向的記憶體數量。 當您指定較少的記憶體時,訓練是更快,但較不精確。 必須大於或等於 1,且預設值為 20

initWtsScale

設定初始權數直徑,指定從中為初始權數繪製值的範圍。 這些權數會從這個範圍內隨機初始化。 例如,如果將直徑指定為 d,則權數會在 -d/2d/2 之間均勻分佈。 預設值為 0,指定所有權數都會初始化為 0

maxIterations

設定反覆運算次數上限。 在這個步驟數目之後,即使演算法無法滿足聚合準則,演算法仍會停止。

showTrainingStats

指定 TRUE 以顯示訓練資料和訓練模型的統計資料,否則為 FALSE。 預設值是 FALSE。 如需模型統計資料的其他資訊,請參閱 summary.mlModel

sgdInitTol

設定為大於 0 的數值,以使用隨機梯度下降 (SGD) 來尋找初始參數。 非零值集會指定容錯 SGD 用來判斷聚合。 預設值為 0,指定不使用 SGD。

trainThreads

要用於訓練模型的執行緒數目。 這應該設定為電腦上的核心數目。 請注意,L-BFGS 多執行緒處理會嘗試將資料集載入至記憶體中。 若發生記憶體不足問題,請將 trainThreads 設定為 1 以關閉多執行緒處理。 如果為 NULL,則會在內部決定要使用的執行緒數目。 預設值是 NULL

denseOptimizer

如果為 TRUE,則會強制內部最佳化向量的緻密化。 如果為 FALSE,則會讓羅吉斯迴歸最佳化工具視需要使用疏鬆或密集的內部狀態。 將 denseOptimizer 設定為 TRUE 需要內部最佳化工具使用密集的內部狀態,這有助於減輕一些較大問題的記憶體回收行程負載。

...

其他引數。