下面的代码片（Spark Pthon SVM）段说明了如何导入一个样本数据集，进行模型训练，并做出预测。(Python中的SVMModel目前还不支持load和save数据)

#!/usr/bin/python
from pyspark import SparkContext;
from pyspark.mllib.util import MLUtils;
from pyspark.mllib.classification import SVMWithSGD;

sc = SparkContext(appName="svmTesting");

# Load training data in LIBSVM format.
data = MLUtils.loadLibSVMFile(sc, 'data/mllib/sample_libsvm_data.txt');
print "FirstRecord:", data.take(1);

# Split data into training (70%) and test (30%).
splits = data.randomSplit([0.7, 0.3], seed = 11L);
training = splits[0].cache();
print "TrainingCount:[%d]"%training.count();
test = splits[1];
print "TestingCount:[%d]"%test.count();

# Run training algorithm to build the model
numIterations = 100;
model = SVMWithSGD.train(training, numIterations);

# Clear the default threshold.
model.clearThreshold();

# Compute raw scores on the test set.
scoreAndLabels = test.map(lambda point : (model.predict(point.features), point.label));

# output score and label.
for score, label in scoreAndLabels.collect():
	print score, label;

附SVMWithSGD.train(data, iterations=100, step=1.0, regParam=0.01, miniBatchFraction=1.0, initialWeights=None, regType=’l2′, intercept=False)的参数说明：

逻辑回归(Logistic regression)

逻辑回归广泛应用于二分类问题。它是线性分类方法（参见公式(1))，损失函数是logistic loss:

其中exp是以自然常数e为底的指数函数。对二分类问题来说，这个算法输出一个二分逻辑回归模型。给定一个新的数据点(x)，模型应用下面的逻辑函数给出预测：

二分逻辑回归可以泛化为多项式逻辑回归 ，用于训练和预测多分类问题。例如，对于K个可能的输出，其中一个输出可被选作“中心点”(pivot)，另外的K-1个输出可以分别跟中心点输出进行回归。在MLlib中，第一个类0被选作“中心点”类。可以参考《The Elements of Statistical Learning》的章节4.4了解详情。

对于多分类问题，算法会输出一个多项式回归模型，它包含K-1个跟第一类配对的二元回归模型。给定一个新的数据点，K-1个模型都会被执行，概率最大的类会被选作预测的类型。

我们实现了两种算法用于解决逻辑回归问题：min-batch梯度下降和L-BFGS。推荐使用L-BFGS，因为它收敛更快。

from pyspark.mllib.classification import LogisticRegressionWithLBFGS
from pyspark.mllib.regression import LabeledPoint
from numpy import array

# Load and parse the data
def parsePoint(line):
    values = [float(x) for x in line.split(' ')]
    return LabeledPoint(values[0], values[1:])

data = sc.textFile("data/mllib/sample_svm_data.txt")
parsedData = data.map(parsePoint)

# Build the model
model = LogisticRegressionWithLBFGS.train(parsedData)

# Evaluating the model on training data
labelsAndPreds = parsedData.map(lambda p: (p.label, model.predict(p.features)))
trainErr = labelsAndPreds.filter(lambda (v, p): v != p).count() / float(parsedData.count())
print("Training Error = " + str(trainErr))

回归

线性最小二乘法，Lasso，岭回归（Linear least squares, Lasso, and ridge regression)

线性最小二乘法是回归问题中最常用的公式，如公式(1)所述它是一个线性方法，损失函数是squared loss：

from pyspark.mllib.regression import LabeledPoint, LinearRegressionWithSGD
from numpy import array

# Load and parse the data
def parsePoint(line):
    values = [float(x) for x in line.replace(',', ' ').split(' ')]
    return LabeledPoint(values[0], values[1:])

data = sc.textFile("data/mllib/ridge-data/lpsa.data")
parsedData = data.map(parsePoint)

# Build the model
model = LinearRegressionWithSGD.train(parsedData)

# Evaluate the model on training data
valuesAndPreds = parsedData.map(lambda p: (p.label, model.predict(p.features)))
MSE = valuesAndPreds.map(lambda (v, p): (v - p)**2).reduce(lambda x, y: x + y) / valuesAndPreds.count()
print("Mean Squared Error = " + str(MSE))

流式线性回归（Streaming linear regression）

当数据以流的方式到达时，就很有必要使回归模型适应在线环境，每当有新的数据到来时就得更新模型参数。MLlib当前支持普通最小二乘法的流式线性回归。拟合过程跟离线情况类似，但是要实时拟合每一批数据，使得模型能够及时持续更新从而能够预测流式数据。（目前只有Scala支持流式线性回归）

实现 (developer)

幕后，MLlib实现了一个简单分布式版本的随机梯度下降算法，建立在底层的梯度下降优化原语上（参见 optimization ）。所有算法都会接受一个正则化参数(regParam)和多个其他的梯度下降相关的参数(stepSize, numIterations, miniBatchFraction)。每种算法都支持三种可能的正则化（none, L1或者L2)。

对于逻辑回归，L-BFGS 版本在LogisticRegressionWithLBFGS中实现。这个版本支持二分逻辑回归和多项式逻辑回归，而SGD版本只能支持二分逻辑回归。但是，L-BFGS版本不支持L1正则化，SGD版本支持L1正则化。当L1不是必须的时候，强烈推荐用L-BFGS版本，因为相对于SGD来说，它通过拟牛顿近似逆Hessian矩阵收敛得更快更准。

算法都是使用Scala语言实现的：

• SVMWithSGD
• LogisticRegressionWithLBFGS
• LogisticRegressionWithSGD
• LinearRegressionWithSGD
• RidgeRegressionWithSGD
• LassoWithSGD

Python通过 PythonMLLibAPI 调用Scala的实现。