1. 输入列（Input Columns）
| 参数名 | 类型 | 默认值 | 说明 |
|---|---|---|---|
featuresCol | Vector | "features" | 特征向量列 |
labelCol | Integer | "label" | 标签列（要预测的类别标签） |
weightCol | Double | "weight" | 样本权重（可选，用于处理样本不均衡等） |
说明：featuresCol必须是 Flink ML 的 Vector 类型（DenseVector/SparseVector）。
2. 输出列（Output Columns）
| 参数名 | 类型 | 默认值 | 说明 |
|---|---|---|---|
predictionCol | Integer | "prediction" | 预测标签（最终分类结果） |
rawPredictionCol | Vector | "rawPrediction" | 每个 label 的“原始预测向量”（可理解为得分/概率相关向量） |
注意：文档里把predictionCol描述成 “Label of the max probability”。从工程角度建议你这样理解：
rawPrediction：模型对各类别的打分向量（可能是 margin/score，也可能被映射为概率形式，具体依实现而定）prediction：在rawPrediction基础上做阈值/最大值选择后的最终标签
3. 参数（Parameters）详解
3.1 LinearSVCModel 参数（预测侧）
| Key | 默认值 | 类型 | 说明 |
|---|---|---|---|
featuresCol | "features" | String | 特征列名 |
predictionCol | "prediction" | String | 预测列名 |
rawPredictionCol | "rawPrediction" | String | 原始预测列名 |
threshold | 0.0 | Double | 二分类阈值：作用于 rawPrediction 来决定预测为 0 还是 1 |
threshold只在二分类时特别重要：
- rawPrediction 代表某种“置信/得分”，阈值决定了分类边界偏向哪个类别
- 你可以通过调节 threshold 来控制召回/精度的取舍
3.2 LinearSVC 训练参数（训练侧）
| Key | 默认值 | 类型 | 说明 |
|---|---|---|---|
labelCol | "label" | String | 标签列名 |
weightCol | null | String | 权重列名（不设置就不用权重） |
maxIter | 20 | Integer | 最大迭代次数 |
reg | 0.0 | Double | 正则化强度（防止过拟合） |
elasticNet | 0.0 | Double | ElasticNet 参数（0=L2，1=L1，介于其中混合） |
learningRate | 0.1 | Double | 学习率 |
globalBatchSize | 32 | Integer | 全局 batch size |
tol | 1e-6 | Double | 收敛容差（迭代停止条件之一） |
你可以把这些参数看作“线性模型 + 梯度优化”的通用训练配置：
maxIter + tol控制训练何时停止learningRate + batchSize控制优化步伐reg + elasticNet控制模型复杂度与稀疏性
4. Java 示例代码流程解读
你给的示例代码做了这几件事：
- 构造训练数据（features, label, weight）
- 设置
weightCol，训练 LinearSVC - 用训练后的模型对输入数据做 transform
- 打印 features / expected label / prediction / rawPrediction
示例代码的关键片段
4.1 构造输入表
DataStream<Row>inputStream=env.fromElements(Row.of(Vectors.dense(1,2,3,4),0.,1.),...Row.of(Vectors.dense(15,2,3,4),1.,5.));TableinputTable=tEnv.fromDataStream(inputStream).as("features","label","weight");这份数据大致表达：
- 第一类 label=0：features 的第一个维度在 1~5
- 第二类 label=1：features 的第一个维度在 11~15
因此线性可分，非常适合用线性 SVM 学到一个简单分割平面。
4.2 训练模型
LinearSVClinearSVC=newLinearSVC().setWeightCol("weight");LinearSVCModellinearSVCModel=linearSVC.fit(inputTable);设置weightCol表示不同样本对损失函数贡献不同权重。
在样本不均衡、或者你希望某些样本更重要时很有用。
4.3 预测并输出 rawPrediction
TableoutputTable=linearSVCModel.transform(inputTable)[0];模型输出一般会包含：
- 原始列：features / label / weight
- 新增列：prediction / rawPrediction
5. 一个很容易踩的坑：label 类型与示例的“不一致”
文档写的是：
labelCol类型：IntegerpredictionCol类型：Integer
但示例里 label 使用的是0./1.（Double），打印时也 cast 成Double：
doubleexpectedResult=(Double)row.getField(linearSVC.getLabelCol());doublepredictionResult=(Double)row.getField(linearSVC.getPredictionCol());为了少踩坑，建议你自己的工程里做两件事：
- 标签列
label用 Integer（0/1）更规范 - 输出 prediction 也按 Integer 读取
如果你沿用 Double，也要保证 train/predict/读取类型统一，否则容易出现类型转换异常或 schema 不匹配。
6. 实战建议：Linear SVC 在生产环境怎么用更稳
1）强烈建议做特征缩放（StandardScaler）
SVM 依赖 margin 和距离尺度，特征量纲差异会显著影响结果。典型做法：
- VectorAssembler（拼特征）
- StandardScaler（标准化）
- LinearSVC（训练）
这能明显提升收敛速度与模型稳定性。
2）调 threshold 来平衡召回与精度
二分类任务里，你可以把 threshold 当成“偏向正类/负类”的旋钮：
- threshold 调低：更容易预测为正类（召回↑，误报↑）
- threshold 调高：更保守（精度↑，漏报↑）
3）样本不均衡优先用 weightCol
比如正样本远少于负样本时：
- 给正样本更高权重
- 或给负样本更低权重
一般比盲目调参更直接有效。
4）正则化 reg + elasticNet 控制过拟合与稀疏
- 想要更稳定：提高
reg（偏 L2） - 想要更稀疏特征选择：提高
elasticNet（偏 L1）
7. 小结
Linear SVC 在 Flink ML 中的使用非常符合 Flink ML 的统一设计：
- 用 Table API 输入特征向量
features - 用
fit()训练得到LinearSVCModel - 用
transform()输出prediction和rawPrediction
理解这三点，你就能把它顺利放进 Pipeline 或 Graph 里，和特征工程、数据清洗、结果下游输出串起来。
