1.相關參數設置：
<1> setMaxIter()：設置最大迭代次數
<2> setRegParam()： 設置正則項的參數，控制損失函數與懲罰項的比例，防止整個訓練過程過擬合
<3> setElasticNetParam()：使用L1範數還是L2範數
setElasticNetParam=0.0 爲L2正則化；
setElasticNetParam=1.0 爲L1正則化；
setElasticNetParam=(0.0，1.0) 爲L1，L2組合
<4> setFeaturesCol()：指定特徵列的列名，傳入Array類型
<5>setLabelCol()：指定標籤列的列名，傳入String類型
<6>setPredictionCol()：指定預測列的列名
<7>setFitIntercept(value:Boolean)：是否需要偏置，默認爲true（即是否需要y=wx+b中的b）
<8>setStandardization(value:Boolean)：模型訓練時，是否對各特徵值進行標準化處理，默認爲true
<9>setSolver(value:String)：設置用於優化求解器。線性迴歸支持的有l-bfgs（有限內存擬牛頓法），normal（加權最小二乘法）和auto(自動選擇)。
<10>setTol(value:Double)：設置迭代的收斂公差。值越小準確性越高但是迭代成本增加。默認值爲1E-6。(即損失函數)
<11>setWeightCol(value:String)：設置某特徵列的權重值，如果不設置或者爲空，默認所有實例的權重爲1。
<12>setAggregationDepth：建議深度大於或等於2，默認爲2。如果特徵維度較大或者數據的分區量大的時候，可以調大該值。
<13>fit：基於訓練街訓練出模型
<14>transform：基於訓練出的模型對測試集進行預測