线性回归实战：Java 连接 KingbaseES 进行模型训练与评估

线性回归实战：Java 连接 KingbaseES 进行模型训练与评估

数据入库只是开始。真正的考验是：能否从这张表里，训练出一个不仅'能跑'，而且'可信'的模型？

很多人一上来就调 DL4J 的 MultiLayerNetwork，跑完看个 loss 下降就收工。但现实是：loss 低 ≠ 预测准，尤其在线性回归这种可解释模型中，评估比训练更重要。

而真相是：模型的价值，不在于它多复杂，而在于你能多清楚地知道它在哪有效、在哪失效。

今天我们就用纯 Java，从 KES 中加载清洗后的房价数据，手写梯度下降训练线性回归模型，并做一套工程级的评估流程——全程不依赖 Python，不导出 CSV，只用 JDK + KES JDBC + 基础数学。

一、目标明确：我们要评估什么？

对于回归任务，不能只看'平均误差'。我们需要回答：

• 模型整体拟合程度如何？ → R²（决定系数）
• 预测偏差有多大？ → MAE（平均绝对误差）、RMSE（均方根误差）
• 是否系统性高估或低估？ → 残差分布（Residual Plot）
• 在哪些区域表现差？ → 按收入/区域分组分析

这些指标，必须基于测试集计算，且数据完全来自 KES。

二、Java 实现：从 KES 加载训练/测试集

首先定义数据结构：

public static class HousingSample {
    public final double[] features; // [longitude, latitude, ..., rooms_per_household]
    public final double label; // median_house_value (万美元)

    public HousingSample(double[] features, double label) {
        this.features = features;
        this.label = label;
    }
}

然后从 KES 读取：

public List<HousingSample> loadDataset(Connection conn, String tableName) throws SQLException {
    String sql = """
        SELECT longitude, latitude, housing_median_age, total_rooms, total_bedrooms,
               population, households, median_income, rooms_per_household,
               population_per_household, median_house_value AS label
        FROM ai_datasets.""" + tableName;
    List<HousingSample> samples =  <>();
     (   conn.prepareStatement(sql);    ps.executeQuery()) {
         (rs.next()) {
            [] x = {
                rs.getDouble(), rs.getDouble(),
                rs.getDouble(), rs.getDouble(),
                rs.getDouble(), rs.getDouble(),
                rs.getDouble(), rs.getDouble(),
                rs.getDouble(), rs.getDouble()
            };
               rs.getDouble();
            samples.add( (x, y));
        }
    }
     samples;
}