ds = tabularTextDatastore(“airlinesmall.csv”，“TreatAsMissing”，“NA”）;ds。SelectedVariableNames = {“ArrDelay”，“距离”}；

预览(ds)

定义系数向量，在第一次迭代中开始为空。B = [];为迭代= 1:5 b_old = b;迭代这里我们将使用一个匿名函数作为我们的映射器。。这个函数%定义包含在前面计算的b的值%的迭代。mapper = @(t,ignore,intermKVStore) logitMapper(b,t,ignore,intermKVStore);result = mapreduce(ds, mapper， @logitReducer，“显示”，“关闭”）;TBL = readall(结果);B = tbl。值{1}如果我们已经收敛，停止迭代。如果~ isempty (b_old) & &.．.~any(abs(b-b_old) > 1e-6 * abs(b_old))打破结束结束

Xx = linspace(0,4000);Yy = 1./(1+exp(-b(1)-b(2)*(xx/1000)));情节(xx和yy);包含(“距离”）;ylabel (的概率(延迟> 20)”）

函数intermKVStore logitMapper (b t ~)获取数据输入表并删除任何缺少值的行y = t.r ardelay;距离;T = ~isnan(x) & ~isnan(y);Y = Y (t)>20;%迟到超过20分钟X = X (t)/1000;距离以千里计计算预测因子的线性组合和估计平均值。%的概率，基于前一次迭代的系数如果~ isempty (b)%计算xb作为使用电流系数的线性组合%的值，并从中推导出平均概率muXb = b(1)+b(2)*x;Mu = 1 /(1+exp(-xb));其他的这是第一次迭代。为的初始值如果y=0 % 1/4，如果y=1 % 3/4。从中得到xb值。= (y+.5)/2;Xb = log(mu./(1-mu));结束要执行加权最小二乘，计算平方和和叉乘。%产s manbetx 845品矩阵:% (x '* w * x) = (x1 '* w1 * x1) + (x2 '* w2 * x2) +…+ (Xn * Wn * Xn),% X = (X1, X2,……;Xn)和W = (W1; W2,……;Wn)。％映射器每次接收一个块并计算其中一个项右边。减速器将所有项相加得到%的数量，然后执行回归。W = (mu.*(1-mu));%的重量Z = xb + (y - mu) .* 1./w;%调整响应X = [ones(size(X))， X,z];未加权数据的%矩阵wss = X' * bsxfun(@times,w,X);%加权叉积X1'*W1*X1s manbetx 845存储这部分数据的结果。。添加(intermKVStore“关键”wss);结束%-----------------------------------------------------------------------------函数logitReducer (~ intermValIter outKVStore)我们将对数据块进行操作，更新计数、平均值和。%的协方差，每次我们增加一个新的数据块Old = 0;我们要执行加权最小二乘。。我们通过计算和来做到这一点%的平方和叉乘矩阵s manbetx 845% m = (x '* w * x) = (x1 '* w1 * x1) + (x2 '* w2 * x2) +…+ (Xn ' * Wn * Xn)其中X = X1;X2;…;Xn]， W = [W1;W2;…;Wn]。％映射器已经计算了右边的项。。在这里我们只是把它们加起来。而hasnext(intermValIter) new = getnext(intermValIter);旧=旧+新;结束M =老;%左边的值M是一个平方和的矩阵%和[X Y]的叉乘，其s manbetx 845中X是包含a的设计矩阵%常数项，Y为本次迭代的调整响应。在其他% words, Y作为x的附加列通过提取X'*W*X部分和X'*W*Y部分来分离它们。XtWX = M(1:end-1,1:end-1);XtWY = M(1:end-1,end);解正规方程。b = XtWX\XtWY;返回系数估计的向量。添加(outKVStore“关键”, b);结束%-----------------------------------------------------------------------------