Spark MLlib线性回归算法

Spark MLlib提供了基于最小二乘法的线性回归算法。下面是一个简单的例子：

from pyspark.ml.regression import LinearRegression

# 读取数据集
dataset = spark.read.format("libsvm").load("data/mllib/sample_linear_regression_data.txt")

# 划分训练集和测试集
training, test = dataset.randomSplit([0.7, 0.3])

# 创建线性回归模型
lr = LinearRegression(maxIter=10, regParam=0.3, elasticNetParam=0.8)

# 训练模型
model = lr.fit(training)

# 预测测试集
predictions = model.transform(test)

# 打印结果
predictions.show()

在这个例子中，我们使用`LinearRegression`类来创建一个线性回归模型。我们还指定了最大迭代次数(maxIter)、正则化参数(regParam)和弹性网络参数(elasticNetParam)。然后我们使用训练集来训练模型，并使用测试集来评估模型的表现。最后，我们打印出预测结果。