线性回归训练

线性回归（LinearRegression）可以说是机器学习中最简单的回归模型。原理即寻找一条直线，最大程度地拟合样本特征和样本输出标记之间的关系。计算简单、结果易于理解，解决连续数据的预测问题。

该方法进行线性回归方法的数据训练过程，可以根据数据特征得到模型，进而用于预测。

创建线性回归训练任务时，需要设置以下参数：

• 训练数据集：必填参数，需要进行训练的数据集访问连接信息，需要包含数据类型，连接参数，数据集名字等信息。可以连接HBase数据，dsf数据，本地数据。

• 数据查询条件：可选参数，可以根据此查询条件筛选出指定数据进行相应分析，支持属性条件和空间查询, 如 SmID<100 and BBOX(the_geom, 120,30,121,31)。

• 解释字段：必填参数，解释变量的字段名称，输入训练数据集的一个或多个解释字段名称作为模型的自变量，可帮助预测出结果。

• 建模字段：必填参数，用于训练模型的字段，即因变量。该字段对应将用于在未知位置进行预测的变量的已知（训练）值。

• 最大迭代次数：可选参数，取值范围>0，默认值为100。

• 正则化参数：可选参数，取值范围≥0，默认值为0.0。主要用于防止过拟合现象。

• 正则化方式选择：可选参数，主要作用是缓解模型过拟合问题。0.0为L2正则化，1.0为L1正则化，取值范围为[0.0,1.0]，默认值为0.0。

• 距离解释变量数据集：可选参数，支持点、线、面数据集，计算给定数据集的要素与训练数据集中要素的最近距离，可自动创建一列解释变量。

• 模型保存目录：可选参数，将训练结果较好的模型保存至该地址下。为空表示不保存模型。

执行完该训练任务，输出以下结果参数：

• IBModelCharacteristics：线性回归模型的属性。

• Variable：线性回归模型的字段名称数组，指训练模型中自变量的字段。

• mse：均方误差，预测值与真实值误差平方的均值。

• rmse：均方根误差，预测值与真实值误差平方根的均值。

• mae：平均绝对误差，预测值与真实值误差绝对值的均值。

• r2：决定系数。根据r2的取值，可以判断模型的好坏，取值范围[0,1]，一般来说，r2越大表示模型拟合效果越好。r2反映的是大概有多准，因为随着样本数量的增加，r2必然增加，无法真正定量说明准确程度，只能大概定量。

• explainedVariance：解释方差。

• numIterations：实际迭代次数。