使用Mahout的逻辑回归
使用Mahout的逻辑回归
提问于 2014-12-23 18:48:24
我刚刚读了一篇关于使用Mahout进行逻辑回归的有趣的this文章。这个教程对我来说很清楚……但是一个真实的用例是什么样子的呢？例如，当web应用程序第一次启动时，需要处理一些训练数据...并将结果保存在OnlineLogisticRegression实例中。然后，要测试新数据，只需调用OnlineLogisticRegression.classifyFull并查看数据属于给定分类的概率-由0到1之间的值表示。
但是，如果我想要改进一个模型，并在web应用程序在线时使用额外的数据对其进行训练，该怎么办？这个想法是每周一次或类似的用额外的数据训练模型，以提高准确性。实现这种机制的正确方式是什么？是否存在严重的性能问题？
回答 1
Stack Overflow用户
发布于 2015-01-05 15:27:52
不知道你的用例是什么，但我已经实现了如下所示。我用的是Naivebayes当前流量使用我的在线模型。现在，在15天后，我习惯于将新的训练数据添加到以前的训练数据中，并生成新的模型。一旦创建了新模型，cron就会将其替换为在线模型。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/27618819
复制相关文章
相似问题
腾讯云开发者
