spark中mlib的功能有哪些

分类算法：包括逻辑回归、支持向量机、朴素贝叶斯、决策树、随机森林等。
回归算法：包括线性回归、岭回归、套索回归等。
聚类算法：包括K均值聚类、高斯混合模型等。
降维算法：包括主成分分析、奇异值分解等。
特征选择：包括方差选择、递归特征消除、信息增益等。
模型评估：包括交叉验证、AUC、ROC曲线等。
模型调优：包括网格搜索、随机搜索等。
模型保存和加载：可以保存训练好的模型，便于后续使用。
数据处理：包括特征标准化、特征编码等。
模型解释：包括特征重要性、模型参数等。