Spark-MLlib-SVM源码实现分析.docx

Spark-MLlib-SVM源码实现分析 　　注：MLlib中的SVM只实现了线性二分类。没有非线性(核函数)，也没有多分类和回归。线性二分类的优化过程类似于逻辑回归。以下从三个方面进行分析：(一)SVM的目标函数、损失函数和最优化方法。(二)从MLlib实现的源码分析模型创建以及优化的过程。(三)参考ML中NaiveBayes的实现，探索SVM-Pipeline的实现思路。 　　一、SVM 公式 　　1.1 目标函数 　　目标函数： y = wx 　　(注：w是超平面的法向量) 　　1.2 损失函数 　　损失函数：HingeGradient 　　公式： avg( max(0, 1 - (2