我想对spark.ml.classification.LogisticRegression的Scala代码进行一些修改，而不需要重新构建整个Spark。因为我们可以在spark-submit或pySpark执行时追加jar文件。是否可以编译一个修改后的LogisticRegression.java副本，并覆盖Spark的默认方法，或者至少创建新的方法？谢谢。
回答：
创建一个新的类，继承自org.apache.spark.ml.classification.LogisticRegression，并覆盖相应的方法，而无需修改源代码，应该是可行的。
class CustomLogisticRegression extends LogisticRegression { override def toString(): String = "这是被覆盖的Logistic Regression类"}使用新的CustomLogisticRegression类运行Logistic Regression
val data = sqlCtx.createDataFrame(MLUtils.loadLibSVMFile(sc, "/opt/spark/spark-1.5.2-bin-hadoop2.6/data/mllib/sample_libsvm_data.txt"))val customLR = new CustomLogisticRegression() .setMaxIter(10) .setRegParam(0.3) .setElasticNetParam(0.8)val customLRModel = customLR.fit(data)val originalLR = new LogisticRegression() .setMaxIter(10) .setRegParam(0.3) .setElasticNetParam(0.8)val originalLRModel = originalLR.fit(data)// 打印逻辑回归的截距println(s"自定义类的截距: ${customLRModel.intercept}")println(s"原始类的截距: ${originalLRModel.intercept}")println(customLR.toString())println(originalLR.toString())输出:
自定义类的截距: 0.22456315961250317原始类的截距: 0.22456315961250317这是被覆盖的Logistic Regression类logreg_1cd811a145d7