logisticRegression：logisticRegression

發行項
05/04/2023

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/2 和 d/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。