机器学习-回归算法

回归模型指标

指标误差 值越小越好

评估回归模型的性能：
* 误差归属于越小越好，代表实际值与预测值相差比小
* - 均方误差（MSE： Mean Squared Error）
* 预测值和实际值之间的差异
* 所有样本预测值和实际值差的平方之和，除以样本总数
* - 均方根误差（RMSE: Root Mean Squared Error)
* 就是均方误差平方根，结果数据更方便描述
* - 平均绝对误差（MAE：Mean Absolute Error）
* 预测值和实际值的差的绝对值的平均值，计算预测值实际值之间的平均差距
* - 均方根对数误差

package com.mllib


import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.mllib.regression.{LabeledPoint, LinearRegressionModel, LinearRegressionWithSGD}
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.{Row, SparkSession}

import scala.collection.Map
object HousesRegression {
  def main(args: Array[String]): Unit = {
    //读取文件
    val spark = SparkSession.builder()
      .appName("house")
      .master("local")
      .getOrCreate()
    //不进行日志打印
    spark.sparkContext.setLogL