logisticRegression: logisticRegression

아티클
01/02/2025

rxEnsemble을 사용하여 로지스틱 회귀 모델을 학습시키기 위한 함수 이름과 인수를 포함하는 목록을 만듭니다.

사용

  logisticRegression(l2Weight = 1, l1Weight = 1, optTol = 1e-07,
    memorySize = 20, initWtsScale = 0, maxIterations = 2147483647,
    showTrainingStats = FALSE, sgdInitTol = 0, trainThreads = NULL,
    denseOptimizer = FALSE, ...)

인수

`l2Weight`

L2 정규화 가중치. 값은 0보다 크거나 같아야 하며 기본값은 1로 설정됩니다.

`l1Weight`

L1 정규화 가중치. 값은 0보다 크거나 같아야 하며 기본값은 1로 설정됩니다.

`optTol`

최적화 프로그램 수렴의 임계값. 반복 간의 개선 수준이 임계값보다 낮으면 알고리즘이 중지되며 현재 모델이 반환됩니다. 값이 작을수록 속도는 느려지지만 정확도는 높아집니다. 기본값은 1e-07입니다.

`memorySize`

다음 단계 계산을 위해 저장할 이전 위치 및 경사의 수를 지정하는 L-BFGS의 메모리 크기. 이 최적화 매개 변수는 다음 단계의 크기와 방향을 계산하는 데 사용되는 메모리의 양을 제한합니다. 메모리를 적게 지정할수록 학습 속도가 빨라지지만 정확도는 낮아집니다. 값은 1보다 크거나 같아야 하며 기본값은 20입니다.

`initWtsScale`

초기 가중치에 대해 값이 그려지는 범위를 지정하는 초기 가중치 지름을 설정합니다. 가중치는 이 범위 내에서 무작위로 초기화됩니다. 예를 들어, 지름이 d로 지정되면 가중치는 -d/2와 d/2 사이에 균등하게 분포됩니다. 기본값은 0으로, 모든 가중치가 0으로 초기화되도록 지정합니다.

`maxIterations`

최대 반복 횟수를 설정합니다. 이 횟수만큼 반복한 후에는 알고리즘이 수렴 기준을 충족하지 않더라도 중지됩니다.

`showTrainingStats`

학습 데이터 및 학습된 모델의 통계를 표시하려면 TRUE를 지정하고, 표시하지 않으려면 FALSE를 지정합니다. 기본값은 FALSE입니다. 모델 통계에 관한 자세한 내용은 summary.mlModel을 참조하세요.

`sgdInitTol`

SGD(확률적 경사 하강법)를 사용하여 초기 매개 변수를 찾으려면 0보다 큰 숫자로 설정합니다. 0이 아닌 값 집합은 SGD가 수렴을 결정하는 데 사용하는 허용 오차를 지정합니다. 기본값은 0으로, SGD가 사용되지 않도록 지정합니다.

`trainThreads`

모델 학습에 사용할 스레드의 수. 이 값은 머신의 코어 수로 설정해야 합니다. L-BFGS 다중 스레딩은 데이터 세트를 메모리에 로드하려고 시도합니다. 메모리 부족 문제가 발생하는 경우 trainThreads를 1로 설정하여 다중 스레딩을 해제합니다. NULL인 경우 사용할 스레드 수가 내부적으로 결정됩니다. 기본값은 NULL입니다.

`denseOptimizer`

TRUE인 경우 내부 최적화 벡터의 고밀화를 적용합니다. FALSE인 경우에는 로지스틱 회귀 최적화 프로그램이 적절한 판단에 따라 스파스 또는 고밀도 내부 상태를 사용합니다. denseOptimizer를 TRUE로 설정하면 내부 최적화 프로그램이 고밀도 내부 상태를 사용해야 하며, 이는 일부 유형의 더 큰 문제에 대한 가비지 수집기의 로드를 완화하는 데 도움이 될 수 있습니다.

`...`

추가 인수입니다.

다음을 통해 공유