0
用户访问量
0
注册用户数
0
在线视频观看人次
0
在线实验人次

SparkR实现的主要机器学习算法概述

作者：云创智学|发布时间：2021-11-18 13:27:54.0|来源：云创智学

SparkR实现的主要机器学习算法概述：

广义线性模型

广义线性模型：简单最小二乘回归（OLS）的扩展，响应变量可以是正整数或分类数据，为某指数分布族,期望值函数与预测变量之间为线性关系，需要指定分布类型和连接函数。

加速失效时间生存回归模型：AFT模型将经典线性回归模型的建模方法直接拓展到了生存分析领域，即具有截尾生存时间的情形。

朴素贝叶斯模型：通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，选择具有最大后验概率的类作为该对象所属的类。

K-means模型：SparkR提供了对K-means算法的支持，K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标。

模型的保存与加载：模型训练好了以后，需要将训练好的模型保存起来，以便下一次再用。

友情链接