翻译自：http://spark.apache.org/docs/2.3.2/ml-tuning.html

介绍如何使用MLlib的工具来调整ML算法和Pipelines。 内置的交叉验证和其他工具允许用户优化算法和pipelines中的超参数。

挖掘频繁项目，项目集，子序列或其他子结构通常是分析大规模数据集的第一步，这是数据挖掘多年来一直活跃的研究课题。 可以参考一下维基百科中关于关联规则学习的基础知识。

协同过滤通常用于推荐系统。这些技术旨在根据user-item关联矩阵的缺失条目。 spark.ml目前支持基于模型的协同过滤，其中users和items由一小组可用于预测缺失条目的潜在因子（latent factors）描述。 spark.ml使用交替最小二乘（ALS）算法来学习这些潜在因素。 spark.ml中的实现具有以下参数：

• numBlocks，是users和items将被分区为多个块的数量，以便并行化计算（默认为10）。
• rank，是模型中潜在因子（latent factors）的数量（默认为10）。
• maxIter，是要运行的最大迭代次数（默认为10）。
• regParam，指定ALS中的正则化参数（默认为1.0）。
• implicitPrefs，指定是使用显式反馈ALS变体还是使用适用于隐式反馈数据的（默认为false，这意味着使用显式反馈）。
• alpha，是适用于ALS的隐式反馈变量的参数，其控制偏好观察中的基线置信度（默认为1.0）。
• nonnegative，指定是否对最小二乘使用非负约束（默认为false）。

本节主要讲Spark ML中关于聚类算法的实现。示例的算法Demo包含：K-means、LDA、高斯混合模型(GMM)等。

本节主要讲Spark ML中关于回归算法的实现。示例的算法Demo包含：线性回归、广义线性回归、决策树回归、随机森林回归、梯度提升树回归等。

本节主要讲Spark ML中关于分类算法的实现。示例的算法Demo包含：LR、DT、RF、GBTs、多层感知器、线性支持向量机、One-vs-Rest分类器以及NB等。

Spark MLlib中关于特征处理的相关算法，大致分为以下几组：

• 提取(Extraction)：从“原始”数据中提取特征
• 转换(Transformation)：缩放，转换或修改特征
• 选择(Selection)：从较大的一组特征中选择一个子集
• 局部敏感哈希(Locality Sensitive Hashing，LSH)：这类算法将特征变换的各个方面与其他算法相结合。

本文介绍第二组： 特征转换器(Transformers)

Spark MLlib中关于特征处理的相关算法，大致分为以下几组：

• 提取(Extraction)：从“原始”数据中提取特征
• 转换(Transformation)：缩放，转换或修改特征
• 选择(Selection)：从较大的一组特征中选择一个子集
• 局部敏感哈希(Locality Sensitive Hashing，LSH)：这类算法将特征变换的各个方面与其他算法相结合。

本文介绍第一组： 特征提取器(Extractors)

在本节中，我们将介绍ML Pipelines的概念。 ML Pipelines提供了一组基于DataFrame构建的统一的高级API，可帮助用户创建和调整实用的机器学习流程。