Spark MLlib中分类和回归算法：
- -分类算法：
pyspark.mllib.classification
-朴素贝叶斯 NaiveBayes
-支持向量机（优化：随机梯度下降）SVMWithSGD
-逻辑回归 LogisticRegressionWithSGD
// 从Spark 2.0开始，官方推荐使用BFGS方式优化LR算法
LogisticRegressionWithBFGS
// 针对流式数据实时模型训练算法
StreamingLogisticRegressionWithSGD
- -树Tree相关分类算法：
pyspark.mllib.tree
-决策树 DecisionTree
-随机森林算法 –集成学习算法-Bagging方式 RandomForest
-梯度提升决策树算法 –集成学习算法 –Boosting方式 GradientBoostedTrees
Spark MLlib中从底层源码来看，无论是DT 还是RF还是GBT算法，底层都是RF算法实现的。
- -分类算法的类别：
树相关的算法，既可以做二分类，又可以做多分类算法：
numClass: Number of classes for classification
-二分类
NB、SVM、LR
-多分类
NB、LR
监督学习算法：
数据集RDD[LabeledPoint]
标签向量 LabelPoint = feature: Vector + label: Float
类比：
RDD 类似 矩阵
数组 类比 Vector
无论是矩阵还是向量分为两种类型：
-稀疏类型
稀疏矩阵，稀疏向量
-稠密类型
稠密矩阵，稠密向量
Spark MLlib中回归算法（基于RDD 实现算法库）：
-a. 线性回归算法相关：
LinerRegressionWithSGD
LassoWithSGD
L1-regularization
RidgeRegressionWithSGD
L2-regularization
-b. 树算法相关
-决策树 DecisionTree
-随机森林算法 –集成学习算法-Bagging方式 RandomForest
-梯度提升决策树算法 –集成学习算法 –Boosting方式 GradientBoostedTrees
基于DataFrame实现机器学习库，几个重要的概念：
-a. DataFrame
类似Pandas中dataframe，将算法所有的数据集存储在DataFrame数据结构中。
DataFrame = RDD + Schema(字段名称、字段类型)
-b. Estimator
模型学习器，就是算法，比如ALS，DecisionTree，将数据应用到模型学习器中会得到一个模型Model。
每个模型学习器中有个一个方法(训练模型）：
fit(dataframe) -> Model
-c. Transformer
转换器，就是模型Model或者算法，比如ALSModel，将针对数据集中某一列或某几列数据生成预测另外一列新数据。
ALSModel.transform(dataframe)
userId,itemId -> predictRating
-d. Parameters
封装算法训练时参数或者模型预测时参数，底层是字典Dic（Map集合），其中字典的Key就是参数名称，字典的Value就是参数的值。
比如：使用ALS模型学习器训练模型，设置参数：特征数rank和迭代次数iterations，可以使用Parameters组合封装设置。
-e. Pipeline
管道，Spark ML机器学习库从SK-Learn中借鉴
由很多Stage组成：
一个序列的Stages组成，每个Stage要么是转换器Estimator（模型），要么是模型学习器Estimator（算法）
本身来说：
Pipeline就是一个模型学习器，相当于算法，所以里面有一个fit函数，应用数据训练以后得到PipelineModel转换器，可以进行预测数据。
功能：
将某个机器学习应用中整个流程进行串联起来，方便部署测试使用。
原文地址：https://www.cnblogs.com/ltolstar/p/10278918.html