Spark 2.0.0版本的目标是实现ml和现已废弃的mllib包之间的功能对等。

然而，目前ml包仅支持二元回归的ElasticNet。要实现多项回归，似乎我们不得不接受使用已废弃的mllib？

使用mllib的缺点包括：

• 它已被废弃。因此，我们将不得不面对“为什么使用旧版本”的问题
• 它们不使用ml的工作流程，因此无法整洁地集成
• 基于上述原因，我们最终将不得不进行重写。

有没有一种方法可以使用ml包实现一对多的多项回归？

回答：

这是一个正在进行中的回答。确实，spark.ml中有OneVsRest分类器。
显然，方法是将其作为二元分类器提供给LogisticRegressionClassifier – 这将在所有类别上运行二元版本，并返回得分最高的类别。

更新 回应@zero323。这里是Xiangrui Meng关于mllib废弃的信息：

在Spark 2.0中将基于RDD的MLlib API切换到维护模式

大家好，一年多前，在Spark 1.2中，我们引入了基于Spark SQL的DataFrames构建的ML管道API。从那时起，新的基于DataFrame的API在spark.ml包下开发，而旧的基于RDD的API在spark.mllib包下并行开发。虽然在新包下实现和试验新API更容易，但随着两个包的不断扩大，维护变得越来越困难。而且新用户常常对有两套功能重叠的API感到困惑。我们从Spark 1.5开始推荐基于DataFrame的API而不是基于RDD的API，因为它的多功能性和灵活性，我们看到开发和使用逐渐转向基于DataFrame的API。仅计算Scala代码的行数，从1.5到当前的master，我们在基于DataFrame的API中增加了约10000行，而在基于RDD的API中增加了约700行。因此，为了在基于DataFrame的API开发上聚集更多资源，并帮助用户尽早迁移，我建议在Spark 2.0中将基于RDD的MLlib API切换到维护模式。这具体意味着什么？* 我们不在基于RDD的spark.mllib包中接受新功能，除非它们阻碍在基于DataFrame的spark.ml包中实现新功能。* 我们仍然接受基于RDD的API中的错误修复。* 我们将在2.x系列中向基于DataFrame的API添加更多功能，以实现与基于RDD的API的功能对等。* 一旦我们实现功能对等（可能在Spark 2.2），我们将废弃基于RDD的API。* 我们将在Spark 3.0中从主Spark仓库中移除基于RDD的API。尽管基于RDD的API实际上已经处于维护模式，但这一公告将使其明确，因此对MLlib开发者和用户都非常重要。所以我们非常感谢您的反馈！（顺便提一下，人们有时使用“Spark ML”来指代基于DataFrame的API甚至整个MLlib组件。这也造成了混乱。明确地说，“Spark ML”不是官方名称，目前也没有计划将MLlib重命名为“Spark ML”。）祝好，Xiangrui

另一个更新 有一个JIRA记录了这件事，截至2016年5月，工作已接近完成 在spark.ml中支持多类逻辑回归