《大数据处理实践探索》 ---- 使用spark MLlib进行机器学习（2.4 设计机器学习管道 -- 模型评估）

---

现在我们已经建立了一个模型，我们需要评估它的性能。在spark.ml中有分类 classification、回归 regression、聚类cluster 和排名评价器 ranking (在Spark3.0中介绍)。鉴于这是一个回归问题，我们将使用均方根误差(RMSE mean-square error)和R2(发音为“R-平方 squared”)来评估我们模型的性能。

RMSE

RMSE是一个从零到无穷大的度量。 离零越近越好。 让我们一步地走过数学公式：

1.计算真值y之间的差值(或误差 yi 和预测值 ŷi (发音为y-hat，其中“帽子”表示它是帽子下数量的预测值)：
Compute the difference (or error) between the true value yi and the predicted
value ŷi (pronounced y-hat, where the “hat” indicates that it is a predicted value
of the quantity under the hat):

E