Spark MLlib中分类算法有哪些，都是干什么的

在 Spark MLlib 中，有以下几种分类算法：

1. 逻辑回归（Logistic Regression）：用于二分类或多分类问题，通过拟合一个逻辑函数来预测概率。

2. 决策树（Decision Trees）：通过构建树状结构进行分类，每个节点表示一个特征，每个分支表示该特征的取值。

3. 随机森林（Random Forest）：基于决策树的集成学习算法，通过多个决策树进行分类，并将结果进行投票或平均来决定最终分类。

4. 梯度提升树（Gradient-Boosted Trees）：也是基于决策树的集成学习算法，通过迭代训练多个决策树来提高分类性能。

5. 多层感知机（Multilayer Perceptron）：一种人工神经网络模型，用于解决复杂的非线性分类问题。

6. 支持向量机（Support Vector Machines）：通过在特征空间中找到一个最优超平面来进行分类。

这些分类算法在 Spark MLlib 中可以用于解决各种类型的分类问题，如二分类、多分类、概率预测等。它们都是基于不同的原理和算法来进行分类任务，并且在实践中都有不错的性能和效果。