如何分析spark-mlib的线性回归，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
目前创新互联建站已为近千家的企业提供了网站建设、域名、网页空间、网站托管维护、企业网站设计、贡井网站维护等服务，公司将坚持客户导向、应用为本的策略，正道将秉承"和谐、参与、激情"的文化，与客户和合作伙伴齐心协力一起成长，共同发展。
import org.apache.spark.SparkConf
import org.apache.spark.SparkContext
import org.apache.spark.ml.feature.VectorAssembler
import org.apache.spark.sql.SQLContext
import org.apache.spark.ml.regression.LinearRegression
object SparkMlib {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setAppName("mlib").setMaster("local")
val context = new SparkContext(conf)
val sqlContext = new SQLContext(context)
val rdd = context.makeRDD(List((1,3,9),(2,6,18),(3,9,27),(4,12,36)))
val cols = Array("x1","x2")
val vectors = new VectorAssembler().setInputCols(cols).setOutputCol("predict")
import sqlContext.implicits._
val x = vectors.transform(rdd.toDF("x1","x2","y"))
val model = new LinearRegression()
//自变量的数据名
.setFeaturesCol("predict")
//因变量
.setLabelCol("y")
//是否有截距
.setFitIntercept(false)
//训练模型
.fit(x)
//线性回归的系数
println(model.coefficients)
//线性回归的截距
println(model.intercept)
//线性回归的自变量的个数
println(model.numFeatures)
//上面的feature列
println(model.summary.featuresCol)
//r2
println(model.summary.r2)
//平均绝对误差
println(model.summary.meanAbsoluteError)
//方差
println(model.summary.meanSquaredError)
//新的集合x1,x2 预测y
val testRdd = context.makeRDD(List((1,3),(2,6),(3,9),(4,12)))
//根据上面的模型预测结果
val testSet = vectors.transform(testRdd.toDF("x1","x2"))
val pre = model.transform(testSet)
pre.show()
//println(pre.predictions)
}
}关于如何分析spark-mlib的线性回归问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注创新互联行业资讯频道了解更多相关知识。
