文档摘要

4.1 MLlib 与分布式学习：迭代落在内存里 本节摘要：MLlib 是建在 Spark 引擎上的分布式机器学习库。它存在的理由正是引擎的舒适区：迭代计算对同一数据集反复扫描，缓存机制让每轮迭代的输入直接来自内存而非磁盘。本节巡检一轮参数更新的完整执行路径，量化缓存的效果，并交代基于 DataFrame 的新版 API 形态。 一轮迭代在引擎里的旅行 以最简单的逻辑回归为例，每轮迭代做三件事：算梯度、累加梯度、更新参数。 会员。《4.1 MLlib与分布式学习：迭代落在内存里》收录于灏天文库文集《Spark大数据分析与处理实战》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/178-spark%E5%A4%A7%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E4%B8%8E%E5%A4%84%E7%90%86%E5%AE%9E%E6%88%98

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流