在統計學中，線性回歸(Linear Regression)是利用稱為線性回歸方程的最小平方函數對一個或多個自變量和因變量之間關系進行建模的一種回歸分析。這種函數是一個或多個稱為回歸系數的模型參數的線性組合。只有一個自變量的情況稱為簡單回歸,大于一個自變量情況的叫做多元回歸。（這反過來又應當由多個相關的因變量預測的多元線性回歸區別，而不是一個單一的標量變量。）

在線性回歸中，數據使用線性預測函數來建模，并且未知的模型參數也是通過數據來估計。這些模型被叫做線性模型。最常用的線性回歸建模是給定X值的y的條件均值是X的仿射函數。不太一般的情況，線性回歸模型可以是一個中位數或一些其他的給定X的條件下y的條件分布的分位數作為X的線性函數表示。像所有形式的回歸分析一樣，線性回歸也把焦點放在給定X值的y的條件概率分布，而不是X和y的聯合概率分布（多元分析領域）。

線性回歸是回歸分析中第一種經過嚴格研究并在實際應用中廣泛使用的類型。這是因為線性依賴于其未知參數的模型比非線性依賴于其位置參數的模型更容易擬合，而且產生的估計的統計特性也更容易確定。

線性回歸模型經常用最小二乘逼近來擬合，但他們也可能用別的方法來擬合，比如用最小化“擬合缺陷”在一些其他規范里（比如最小絕對誤差回歸），或者在橋回歸中最小化最小二乘損失函數的懲罰.相反,最小二乘逼近可以用來擬合那些非線性的模型.因此，盡管“最小二乘法”和“線性模型”是緊密相連的，但他們是不能劃等號的。

?

數據源準備：

position;square;price;direction;type;name; 0;190;20000;0;4室2廳2衛;中信城(別墅); 0;190;20000;0;4室2廳2衛;中信城(別墅); 5;400;15000;0;4室3廳3衛;融創上城; 0;500;15000;0;5室3廳2衛;中海萊茵東郡; 5;500;15000;0;5室3廳4衛;融創上城(別墅); 1;320;15000;1;1室1廳1衛;長江花園; 0;143;12000;0;3室2廳2衛;融創上城; 0;200;10000;0;4室3廳2衛;中海萊茵東郡(別墅); 0;207;9000;0;4室3廳4衛;中海萊茵東郡; 0;130;8500;0;3室2廳2衛;偉峰東第; 5;150;7000;0;3室2廳2衛;融創上城; 2;178;6000;0;4室2廳2衛;鴻城國際花園; 5;190;6000;0;3室2廳2衛;亞泰豪苑C棟; 1;150;6000;0;5室1廳2衛;通安新居A區; 2;165;6000;0;3室2廳2衛;萬科惠斯勒小鎮; 0;64;5500;0;1室1廳1衛;保利中央公園; 2;105;5500;0;2室2廳1衛;虹館; 1;160;5300;0;3室2廳1衛;昊源高格藍灣; 2;170;5100;0;4室2廳2衛;亞泰鼎盛國際; 0;155;5000;0;3室2廳2衛;中海水岸馨都; 5;128;5000;0;4室2廳1衛;長影世紀村; 0;145;4500;0;3室2廳2衛;富奧臨河灣; 2;92;4200;0;3室2廳1衛;御翠豪庭尚府一期; 0;75;4100;0;1室1廳1衛;恒大雅苑; 5;105;4000;0;2室1廳1衛;南湖名家; 2;93;4000;0;3室2廳1衛;御翠豪庭尚府一期; 5;121;4000;0;3室1廳1衛;萬達廣場; 0;104;4000;0;2室1廳1衛;棠棣; 1;135;4000;0;3室2廳2衛;萬科藍山; 5;98;4000;0;2室2廳1衛;華億紅府; 0;128;3800;0;3室2廳1衛;復地哥德堡森林; 2;154;3700;0;3室2廳2衛;長春明珠; 0;100;3700;0;2室2廳1衛;翡翠花溪; 4;66;3700;0;1室1廳1衛;長客廠南; 2;106;3600;0;2室2廳1衛;虹館; 5;132;3500;0;3室2廳1衛;大禹城邦; 1;135;3500;0;3室2廳1衛;昊源高格藍灣; 0;130;3500;0;3室2廳1衛;中海國際社區(AJ區); 2;70;3500;0;2室1廳1衛;中信御園; 0;145;3500;0;3室2廳2衛;萬盛東城; 5;132;3500;0;3室2廳2衛;大禹城邦; 5;100;3300;0;2室2廳1衛;國信南湖公館; 5;75;3200;0;1室1廳1衛;南湖祥水灣; 0;120;3200;0;3室3廳2衛;復地哥德堡森林; 2;95;3200;0;3室2廳1衛;萬科金域長春; 0;106;3200;0;2室2廳1衛;富騰天下城; 5;118;3200;0;3室2廳2衛;融創上城(別墅); 1;130;3200;0;3室2廳1衛;萬龍名城; 0;137;3200;0;3室2廳2衛;中海國際社區(AJ區);

Demo：

import org.apache.spark.SparkConf import org.apache.spark.ml.feature.VectorAssembler import org.apache.spark.ml.regression.LinearRegression import org.apache.spark.sql.SparkSession/*** 線性回歸*/ object linner {def main(args: Array[String]): Unit = {val conf = new SparkConf().setMaster("local[*]").setAppName("linner")val spark = SparkSession.builder().config(conf).getOrCreate()val file = spark.read.format("csv").option("sep", ";").option("header", "true").load("house.csv")import spark.implicits._//生成隨機數val random = new util.Random()val data = file.select("square", "price").map(rows => (rows.getAs[String](0).toDouble, rows.getString(1).toDouble, random.nextDouble())).toDF("square", "price", "random").sort("random")//類似封裝成 數組val assembler = new VectorAssembler().setInputCols(Array("square")).setOutputCol("features")val frame = assembler.transform(data)//把數據集拆分2個部分val Array(train, test) = frame.randomSplit(Array(0.8, 0.2), 1L)//創建線性回歸的示例val regression = new LinearRegression().setMaxIter(10) //訓練輪次.setRegParam(0.3) //正則化.setElasticNetParam(0.8) //推薦值//Features 特征向量 label 標簽val model = regression.setLabelCol("price").setFeaturesCol("features").fit(train)model.transform(test).count()model.transform(test).show(50, truncate = true)/*** fit 做訓練* transform 做預測*/spark.stop()} }

?

?

總結

以上是生活随笔為你收集整理的Sparkmllib scala线性回归的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。