spark mllib如何实现随机梯度下降法

发布时间:2021-12-16 14:41:53 作者:小新
来源:亿速云 阅读:165

小编给大家分享一下spark mllib如何实现随机梯度下降法,希望大家阅读完这篇文章之后都有所收获,下面让我们一起去探讨吧!

运行代码如下

package spark.regressionAnalysis

/**
  * 随机梯度下降法(stochastic gradient descent,SGD)
  * SGD是最速梯度下降法的变种。
  * 使用最速梯度下降法,将进行N次迭代,直到目标函数收敛,或者到达某个既定的收敛界限。
  * 每次迭代都将对m个样本进行计算,计算量大。
  * 为了简便计算,SGD每次迭代仅对一个样本计算梯度,直到收敛。
  * 随机梯度下降,即(最快速从紫金山山顶下去)
  *
  * Created by eric on 16-7-10.
  */
import scala.collection.mutable.HashMap

object SGD {
  val data = HashMap[Int,Int]()	//创建数据集
  def getData():HashMap[Int,Int] = {//生成数据集内容
    for(i <- 1 to 50){	//创建50个数据
      data += (i -> (16*i))//写入公式y=16x
    }
    data		//返回数据集
  }

  var θ:Double = 0	//第一步假设θ为0
  var α:Double = 0.1	//设置步进系数,每次下降的幅度大小

  def sgd(x:Double,y:Double) = {//设置迭代公式
    θ = θ - α * ( (θ*x) - y)	//迭代公式
  }
  def main(args: Array[String]) {
    val dataSource = getData()	//获取数据集
    dataSource.foreach(myMap =>{//开始迭代
      sgd(myMap._1,myMap._2)//输入数据
    })
    println("最终结果θ值为 " + θ)//显示结果
  }
}

结果如图

spark mllib如何实现随机梯度下降法

看完了这篇文章,相信你对“spark mllib如何实现随机梯度下降法”有了一定的了解,如果想了解更多相关知识,欢迎关注亿速云行业资讯频道,感谢各位的阅读!

推荐阅读:
  1. 14.spark mllib之快速入门
  2. Spark中决策树源码分析

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

spark mllib

上一篇:spark mllib如何实现快速迭代聚类

下一篇:Linux sftp命令的用法是怎样的

相关阅读

您好,登录后才能下订单哦!

密码登录
登录注册
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》