Spark-線性迴歸示例01

房屋普查，預測房價，最後預測結果不太準確，後續會調整，可能的原因：最直接原因指標項沒有強線性關係，使用的參數不準確。只是爲了熟悉下流程。

import org.apache.spark.ml.feature.StandardScaler
import org.apache.spark.sql.types.{DoubleType, FloatType, StructField, StructType}
import org.apache.spark.sql.{DataFrame, Dataset, Row, SparkSession}
import org.apache.spark.ml.linalg.Vector
import org.apache.spark.ml.linalg.Vectors
import org.apache.spark.ml.regression.LinearRegression

/**
  *
  * 數據集 http://www.dcc.fc.up.pt/~ltorgo/Regression/cal_housing.html
  * 房屋普查，預測房價
  * 數據集中的每個數據都代表一塊區域內房屋和人口基本信息
  * 1.該地區中心的緯度（latitude）
  * 2.該地區中心的經度（longitude）
  * 3.區域內所有房屋屋齡的中位數（housingMedianAge）
  * 4.區域內總房間數（totalRooms）
  * 5.區域內總臥室數（totalBedrooms）
  * 6.區域內總人口數（population）
  * 7.區域內總家庭數（households）
  * 8.區域內人均收入中位數（medianIncome）
  * 9.該區域房價的中位數（medianHouseValue）
  *
  * A = bB+cC+dD+....+iI ,A代表房價，B到I分別代表另外八個屬性
  * 假設影響是線性的
  *
  * 預處理
  * 1.房價值大，調整爲小值
  * 2.有的屬性沒什麼意義，比