logisticregression函数,logistic regression损失函数

　　火花示例

　　逻辑回归这是一种迭代机器学习算法，旨在寻找在多维特征空间中分隔两组点的最佳超平面。例如，它可以用于将邮件分类为垃圾邮件和非垃圾邮件。因为该算法对同一个数据集重复应用相同的数据处理操作，所以它从跨迭代在随机存取存储中缓存输入数据中获益匪浅。

　　val points=spark.textFile(.).地图(parsePoint).缓存()

　　var w=Vector.random(D) //当前分离平面

　　对于(i - 1到迭代){

　　val gradient=points.map(p=

　　(1/(1 exp(-p . y *(w dot p . x)))-1)* p . y * p . x

　　).减少(_ _)

　　w -=梯度

　　}

　　println(最终分离平面： w )请注意，每次地图调用时，w都会自动发送到集群。

　　下图比较了该火花程序与大数据在80核集群上30 GB数据上的性能，显示了内存缓存的优势：