请使用Spark机器学习库Spark ML中的线性回归算法实现对房价的预测。

在Apache Spark的MLlib库中，我们可以使用线性回归算法（Linear Regression）来进行房价预测。以下是使用Scala编写的一个简单示例：

首先，你需要确保已经安装了Spark并设置了环境变量。然后，导入所需的库：

import org.apache.spark.ml.regression.LinearRegression
import org.apache.spark.sql.SparkSession

假设你已经有了一个包含房价数据的DataFrame，其中有一列是特征（例如房屋面积、卧室数等），一列是标签（房价）：

val spark = SparkSession.builder.appName("HousingPrediction").getOrCreate()
val data = spark.read.format("csv") // 或者其他格式
  .option("header", "true")
  .load("path_to_your_data.csv")

然后，你可以分割数据集为特征和标签：

val Array(featuresCol, labelCol) = Array("features_column_name", "price_column_name")
val Array(trainingData, testData) = data.randomSplit(Array(0.7, 0.3), seed = 1234L)

接着，建立并训练线性回归模型：

val lr = new LinearRegression().setLabelCol(labelCol).setFeaturesCol(featuresCol)
val lrModel = lr.fit(trainingData)

预测测试集：

val predictions = lrModel.transform(testData)

最后，评估模型性能，可能包括计算均方根误差（RMSE）和决定系数（R²）：

import org.apache.spark.ml.evaluation.RegressionEvaluator
val evaluator = new RegressionEvaluator().setLabelCol(labelCol).setPredictionCol("prediction").setMetricName("rmse")
val rmse = evaluator.evaluate(predictions.select("prediction", "label"))

println(s"Root Mean Squared Error (RMSE) on test data = $rmse")