Spark 1.6.0 MLlib算法封装：
分类算法：
1. Logistic Regression :两分类或多分类逻辑回归，目标类别必须是{0,1,2,3,...}，即必须从0开始；
2. SVM : 二分类支持向量机，目标类别必须是{0,1}；
3. DicisionTree: 多分类、逻辑回归，目标列是{0,1,2,3,...}当是分类问题是，如果是回归，则目标列是数值类型即可；
属性列可以是数值类型或离散型（TODO 离散型是否可以是字符串？ ）
4. GradientBoostedTree：二元分类或回归树，如果是分类问题，目标列必须是{0,1}，如果是回归则数值类型即可；
5. IsotonicRegression: 保序回归，暂时只支持两列数据，一列属性列，一列目标列（数值类型）；
6. NaiveBayes ： 贝叶斯算法，主要用于文分类，目标列是{0,1,2,3,,,,}；
7. Random Forest : 随机森林算法，可用于二元或多元分类，回归，目标列是{0,1,2,3,,,,};
8. LinearRegression: 多元线性回归，目标列数值型即可；
9. RidgeAndLassoRegression： 岭回归、套索回归，目标列数值型即可；
聚类算法：
1. KMeans: k均值聚类算法，多个属性列聚类，属性列数值类型；
2. GaussianMixture：高斯混合模型聚类，属性列数值类型；
3. PowerIterationClustering: 幂迭代聚类，属性列数值类型；
协同过滤算法：
1. ALS算法：交替最小二乘法，推荐建模，暂时没有预测；
降维算法：
1. PCA算法：主成分分析降维，需要提供数值类型数据；
2. svd算法：SVD分解降维，提供数值类型数据；
关联规则：
1. FP算法：FP Tree算法，提供事务数据即可，不要求一定需要数值或字符串；
2. AssociationRules： 暂时不清楚算法；
部署：
1. 下载工程，然后install -Dmaven.test.skip=true , 得到mllib.algorithm.1.6.0-1.0-SNAPSHOT.jar 包；
2. 拷贝mllib.algorithm.1.6.0-1.0-SNAPSHOT.jar 到HDFS上（该路径需要和业务工程配置文件中的参数对应）；