1 Star 4 Fork 2

mlsj-lss / Spark 机器学习--运用逻辑回归分析银行营销数据

加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
该仓库未声明开源许可证文件(LICENSE),使用请关注具体项目描述及其代码上游依赖。
克隆/下载
贡献代码
同步代码
取消
提示: 由于 Git 不支持空文件夾,创建文件夹后会生成空的 .keep 文件
Loading...
README

Spark 机器学习--运用逻辑回归分析银行营销数据

介绍

Spark 机器学习--运用逻辑回归分析银行营销数据

软件架构

spark2.4.7-scala-2.12.12-hadoop-2.7.7

特技

1.逻辑回归(Logistic Regression)

机器学习算法分为监督学习算法和无监督学习算法,在监督学习算法中,算法有目标变量(即预测值)和特征变量等两种变量,根据目标变量的值是离散值还是连续数值,分为分类算法(目标变量的值为离散值,如 是/否、0/1)和回归算法(目标变量为连续值)。

逻辑回归是一个分类算法而不是回归算法。通常是利用已知的特征变量来预测一个离散型目标变量的值(如 0/1,是/否,真/假)。通过拟合一个逻辑函数来预测一个事件发生的概率,预测值是一个概率值(0-100%),根据概率值的大小,映射为目标变量的分类值,如:概率值大于等于 50%,映射目标变量分类值为 1,概率值小于 50%,映射目标变量分类值为 0。

2.特征工程

特征工程是最大限度地从原始数据中提取特征以供算法和模型使用的过程。特征工程包括特征提取、特征转换、降维等操作。 Spark 提供了多种特征工程算法,详细内容可查看官方文档。

本实验中,我们使用 StringIndex 和 OneHotEncoder 两种特征转换算法。

空文件

简介

Spark 机器学习--运用逻辑回归分析银行营销数据 展开 收起
取消

发行版

暂无发行版

贡献者

全部

近期动态

加载更多
不能加载更多了
马建仓 AI 助手
尝试更多
代码解读
代码找茬
代码优化
1
https://gitee.com/aiwebops_admin/spark-ML-on-bank-sales-data.git
git@gitee.com:aiwebops_admin/spark-ML-on-bank-sales-data.git
aiwebops_admin
spark-ML-on-bank-sales-data
Spark 机器学习--运用逻辑回归分析银行营销数据
master

搜索帮助

344bd9b3 5694891 D2dac590 5694891