mahout:0.9 ;
首先说明一点：logistic regression不支持并行，也就是mahout实现的也是单机的，运行在hadoop上面也没有意义（个人观点）。其次，建模得到那个公式太复杂了，所以TrainLogistic不分析了，只分析RunLogistic，即分析如何通过那个公式得到预测值。（最近感觉心很浮躁，静不下来，完全不在状态。。。哎。。。）
通过TrainLogistic可以得到一个公式，例如下面的样子：
-0.149*Intercept Term + -0.701*x + -0.427*y
先解释下Intercept Term吧，这个就是一个常量，在mahout里面实现的算法里面，其值为1.
其实本来我就是用测试的值，比如[0.97073650965467,0.989339149091393]，对应于[x,y]然后使用1作为常量，相加，这样得到的值是：-1.25253208955095，和最后的结果0,0.222,-0.251366，的0.222相差很多，那么到底通过-1.25253208955095如何得到0.222呢？
RunLogistic的预测代码：
while (line != null) { Vector v = new SequentialAccessSparseVector(lmp.getNumFeatures()); int target = csv.processLine(line, v); double score = lr.classifyScalar(v); if (showScores) { output.printf(Locale.ENGLISH, "%d,%.3f,%.6f%n", target, score, lr.logLikelihood(target, v)); } collector.add(target, score); line = in.readLine(); }首先看下csv.processLine 其代码如下：public int processLine(String line, Vector featureVector) { List<String> values = parseCsvLine(line); int targetValue = targetDictionary.intern(values.get(target)); if (targetValue >= maxTargetValue) { targetValue = maxTargetValue - 1; } for (Integer predictor : predictors) { String value; if (predictor >= 0) { value = values.get(predictor); } else { value = null; } predictorEncoders.get(predictor).addToVector(value, featureVector); } return targetValue; }这里返回的targetValue就是line里面的分类值（注意，这里是做了转换2-->0,1-->1）。predictors有三个值[-1,0,1]，-1代表常量值，0代表x变量，1代表y变量。然后predictorEncoders。。。 是把line中的x、y取出来放在featureVector对应的位置。double score = lr.classifyScalar(v);这里就是分类的主要代码了：
public double classifyScalar(Vector instance) { Preconditions.checkArgument(numCategories() == 2, "Can only call classifyScalar with two categories"); // apply pending regularization to whichever coefficients matter regularize(instance); // result is a vector with one element so we can just use dot product return link(classifyScalarNoLink(instance)); }regularize，个人感觉基本没做什么。主要还是最后一个return。
public double classifyScalarNoLink(Vector instance) { return beta.viewRow(0).dot(instance); }这里就是把对应的值相乘，最后得到就是咱们前面算到的-1.25253208955095。最后就是link函数了：
public static double link(double r) { if (r < 0.0) { double s = Math.exp(r); return s / (1.0 + s); } else { double s = Math.exp(-r); return 1.0 / (1.0 + s); } }这里的r 就是-1.25253208955095，带入上面的公式就可以得到最后的预测值0.222262129784177。
最后，顺便说下个人关于这个算法的一些并行的想法。其实，如果可以的话，应该可以建立多条直线方程的（相同变量的前提下），然后把它们评估效果最好的进行输出，其实这样也不算是并行，只是提高准确率的一种方法。这种思路其实是来自于随机森林算法，那里面就是多棵决策树，多棵决策树就是算作并行了。
分享，成长，快乐
转载请注明blog地址：http://blog.csdn.net/fansy1990