我正在学习使用Spark的DataFrames API在scala中构建机器学习模型，并想知道可以用于调优模型的所有超参数列表。通过目前的搜索，我发现了一些LinearRegression的超参数，如下所示：
- setMaxIter
- setRegParam
- setElasticNetParam
这些超参数可以按以下方式使用：
import org.apache.spark.ml.regression.LinearRegressionval lr = new LinearRegression().setMaxIter(100).setRegParam(0.3).setElasticNetParam(0.8)val lrModel = lr.fit(training)Spark中是否有文档页面或方法可以列出所有可调的超参数？类似于：
LinearRegression.getParamList()RandomForest.getParamList()回答：
请查看ml-tuning，利用ML-Pipelines，你可以将选择的特征通过ParamGridBuilder传递到CrossValidator，并运行管道来估计哪组参数表现最佳，下面是一个示例：
val lr = new LinearRegression().setMaxIter(10)val paramGrid = new ParamGridBuilder().addGrid(lr.regParam, Array(0.1, 0.01)).addGrid(lr.fitIntercept).addGrid(lr.elasticNetParam, Array(0.0, 0.5, 1.0)).build()val trainValidationSplit = new TrainValidationSplit().setEstimator(lr).setEvaluator(new RegressionEvaluator).setEstimatorParamMaps(paramGrid).setTrainRatio(0.8)val model = trainValidationSplit.fit(training)你还可以进一步探索scala文档ml.param，那里有一个方法explainParam()，但我还没有使用过它api/scala/pipeline
