根据Spark ML文档，随机森林和梯度提升树可以用于分类和回归问题：

https://spark.apache.org/docs/latest/ml-classification-regression.html#gradient-boosted-tree-regression

假设我的“标签”取整数值从0到n，我想训练这些分类器用于回归问题，预测标签字段的连续变量值。然而，我在文档中没有看到这两个回归器应该如何配置来解决这个问题，我也没有看到任何类参数来区分回归和分类的案例。那么，这两个分类器应该如何配置来解决回归问题呢？

回答：

实际上并没有涉及到这样的配置，原因是回归和分类问题实际上是由Spark ML中的不同子模块和类处理的；即对于分类，你应该使用（假设是PySpark）：

from pyspark.ml.classification import GBTClassifier  # GBTfrom pyspark.ml.classification import RandomForestClassifier  # RF

而对于回归，你应该分别使用

from pyspark.ml.regression import GBTRegressor  # GBTfrom pyspark.ml.regression import RandomForestRegressor  # RF

查看文档中的分类和回归概述以获取更多详细信息。