logistic report is done a little

Logistic_regression.tex

@@ -0,0 +1,45 @@
+\documentclass[a4paper,12pt,UTF8,titlepage]{ctexart}
+
+%页边距
+\usepackage{geometry}
+\geometry{left=2.0cm,right=2.0cm,top=2.5cm,bottom=2.5cm}
+
+%页眉
+\usepackage{fancyhdr}
+\pagestyle{fancy}
+\lhead{李志星 15060025 } 
+\chead{比较分析报告}
+\rhead{\leftmark}
+
+%文档信息/同时也用于生成报告封面
+\author{李志星\\ 15060025}
+\title{\Huge MLlib中Logistic Regression的应用}
+
+
+\usepackage{graphicx}
+\DeclareGraphicsExtensions{.eps,.ps,.jpg,.bmp,.gif,.png}
+
+\begin{document}
+\maketitle
+
+\section{实际问题-手写识别}
+手写识别（Handwriting recognition）是计算机在纸、照片、触摸屏或其他设备中接收并识别人手写的文字等信息的技术，主要应用于光学字符识别（OCR）。手写识别系统能够用来识别汉字、英语、数字等字符。不过本报告的重点不在手写识别，而在于理解MLlib中的logistic回归，因此以识别数字为例。识别数字0～9是个十类别问题，logistic回归最常用的场景是二分类，如果要用logistic回归解决这个问题，要采用one-against-one和one-against-all等做法进行处理，虽然复杂些，但是基本原理是一样的。因此本报告把主要关注点放在对MLlib算法的研究，只利用0和1的样本从而解决二分类问题。
+
+\section{MLlib相关概念}
+在MLlib中有许多的概念，其中对理解其算法比较重要的有：\emph{DataFrame}，\emph{Pipeline}，\emph{Transfromer}和\emph{Estimator}。
+
+\begin{itemize}
+\item DataFrame：MLlib使用SaprkSQL中DataFrame来操作数据集。通过\emph{DataFrame}可以操作各种各样的数据：文本、图像和结构化数据等。\emph{DataFrame}以命名列的方式组织的分布式数据集 ，等同于关系型数据库中的一个表，和R/Python中的\emph{DataFrame}类似，不过进行了很多的优化。
+\item Pipeline：在MLlib中有一个很关键的概念：\emph{Pipeline}。在利用解决机器学习问题时，经常要用对数据进行一系列的处理，MLlib用\emph{Pipeline}来表示这样的工作流，在\emph{Pipeline}中,包含一组以一定顺序执行的\emph{ PipelineStage}( \emph{Transformer}和\emph{Estimator})。
+\item Transformer：Transformer是对特征转换和学习得到的模型的抽象，每一个\emph{Transfromer}都要实现transform()方法，它把一个\emph{DataFrame}处理后得到另一个\emph{DataFrame},一般来说新的DataFrame比原来的DataFrame要多一些列。
+\item Estimator：Estimator是对一些机器学习算法或者其他的数据处理算法的抽象，每一个\emph{Estimator}都有一个方法fit(),它以\emph{DataFrame}为参数，返回一个模型，也就是\emph{Transformer}，比如在MLlib中 LogisticRegression 就是一个\emph{Estimator}，而LogisticRegressionModel就是一个\emph{Transformer}。
+\end{itemize}
+
+一个比较简单形象的例子就是文本文档的处理，如下图*所示,上面一行表示了一个包含3个stage的Pipeline，前两个Tokenizer和HashingTF是Transformer,第三个LogisticRegression是一个Estimer。下面一行是一个流经pipeline的数据流,圆柱体代表了DataFrame.当调用pipeline的fit（）方法时， Tokenizer.transform() 把原始的Raw text切分成单词，然后把这些单词添加到原DataFrame中形成新的DataFrame从而让HashingTF.transfore()进行处理，他把单词列转化成特征矩阵又添加到新的DataFrame中，最后通过 LogisticRegression.fit()方法产生LogisticRegressionModel。生成的模型可以用于后续的测试等。
+\begin{figure}[h!] 
+\centering
+\includegraphics[width=16cm]{pipeline.jpg}
+\caption{MLlib pipeline}
+\label{pipeline}
+\end{figure}
+\end{document}