1. LinearRegression 做什么？
它学习一个线性函数（简化表达）：
[y^=w⋅x+b][ \hat{y} = w \cdot x + b ][y^=w⋅x+b]
其中：
- (x)(x)(x)是特征向量（Vector）
- (w)(w)(w)是权重向量（模型参数）
- (b)(b)(b)是偏置
- (y^)(\hat{y})(y^)是预测值（prediction）
2. 输入列与输出列
输入列（Input Columns）
| 参数名 | 类型 | 默认值 | 说明 |
|---|---|---|---|
featuresCol | Vector | "features" | 特征向量 |
labelCol | Integer（示例实际用 Double） | "label" | 要预测的连续标签 |
weightCol | Double | "weight" | 样本权重（可选） |
你贴的示例里
label和weight都是 Double，这更符合回归场景。
输出列（Output Columns）
| 参数名 | 类型 | 默认值 | 说明 |
|---|---|---|---|
predictionCol | Integer（实际为 Double） | "prediction" | 预测值 |
3. 参数详解（Parameters）
LinearRegressionModel（模型）常用参数：
| Key | 默认值 | 说明 |
|---|---|---|
featuresCol | "features" | 特征列名 |
predictionCol | "prediction" | 预测列名 |
LinearRegression（训练器）额外参数：
| Key | 默认值 | 说明 |
|---|---|---|
labelCol | "label" | 标签列名 |
weightCol | null | 权重列名（可选） |
maxIter | 20 | 最大迭代次数 |
reg | 0.0 | 正则化系数（L2/L1 混合由 elasticNet 控制） |
elasticNet | 0.0 | ElasticNet 参数：0=纯L2，1=纯L1 |
learningRate | 0.1 | 学习率 |
globalBatchSize | 32 | 全局 batch 大小 |
tol | 1e-6 | 收敛阈值（迭代停止条件之一） |
工程建议（很实用）：
- 特征尺度差异大：先
StandardScaler再 LR，收敛更稳 - 数据量大/噪声大：适当加
reg，防过拟合、也更稳定 - 收敛慢：调大
maxIter或调学习率（learningRate）但要谨慎
4. Java 示例逐段解读（fit + transform）
你给的示例是“训练后再对同一份数据做预测”，方便验证效果。
4.1 构造输入表：features + label + weight
DataStream<Row>inputStream=env.fromElements(Row.of(Vectors.dense(2,1),4.0,1.0),Row.of(Vectors.dense(3,2),7.0,1.0),Row.of(Vectors.dense(4,3),10.0,1.0),Row.of(Vectors.dense(2,4),10.0,1.0),Row.of(Vectors.dense(2,2),6.0,1.0),Row.of(Vectors.dense(4,3),10.0,1.0),Row.of(Vectors.dense(1,2),5.0,1.0),Row.of(Vectors.dense(5,3),11.0,1.0));TableinputTable=tEnv.fromDataStream(inputStream).as("features","label","weight");features是二维向量label是回归目标（Double）weight全是 1.0（表示每个样本权重一样）
4.2 创建训练器并指定权重列
LinearRegressionlr=newLinearRegression().setWeightCol("weight");如果你不需要样本权重，完全可以不设weightCol。
4.3 训练模型 + 预测
LinearRegressionModellrModel=lr.fit(inputTable);TableoutputTable=lrModel.transform(inputTable)[0];fit()：在 Table 上训练，得到模型transform()：输出表会多一个prediction列
4.4 读取输出：对比 label 与 prediction
doubleexpectedResult=(Double)row.getField(lr.getLabelCol());doublepredictionResult=(Double)row.getField(lr.getPredictionCol());System.out.printf("... Expected Result: %s \tPrediction Result: %s\n",expectedResult,predictionResult);5. 实战用法：最常见的两条链路
链路 A：数值特征 → StandardScaler → LinearRegression
如果你的特征量纲差别大（金额、次数、时长混在一起），强烈推荐：
- VectorAssembler（拼特征）
- StandardScaler（标准化）
- LinearRegression（训练）
链路 B：类别特征（StringIndexer + OneHot）+ 数值特征 → VectorAssembler → LinearRegression
当你的输入既有类别又有数值时：
- StringIndexer：字符串类别 → index
- OneHotEncoder：index → 稀疏向量
- VectorAssembler：数值列 + 类别向量 拼成 features
- LinearRegression：训练回归
6. 小结
Flink ML 的 LinearRegression 使用非常标准化：
- 输入：
features(Vector)+label(Double)+ 可选weight(Double) - 训练：
lr.fit(table) - 预测：
model.transform(table)输出prediction
