官方文件：

trainRegressor(, categoricalFeaturesInfo: Map[Int, Int], numTrees: Int,

featureSubsetStrategy: String, impurity: String, maxDepth: Int,

我們需要一個LabeledPoint 格式的 訓練資料

LabeledPoint 由兩部分組成

val input=LabeledPoint(Label,Feature(Vector型))

Label需要為double型

此處我們需要Import LabledPoint 和Vector2個包：

import org.apache.spark.mllib.regression.LabeledPoint
import org.apache.spark.mllib.linalg.{Vectors,Vector}

其他引數：

categoricalFeaturesInfo:一個Map,表示離散特徵，格式為[colId,該colId對應特徵的維度數]

numTrees:樹的數量

featureSubsetStrategy:特徵取樣方法，選用"auto"代表按1/3取樣

impurity:計算特徵重要性的指標，此處為迴歸，選用"variance"

maxDepth:樹的最大深度

maxBins:樹的最大分裂區間數

seed:隨機種子，可不填

val model=RandomForest.trainRegressor(...)

val pre=model.predict("test_feature")

pre為最終迴歸結果