0
A
回答
5
我試過保存和加載模型。我無法使用存儲的權重重新創建模型。 (找不到合適的構造函數)。但整個模型是可序列化的。所以,你可以存儲和如下加載:
店爲:
val fos = new FileOutputStream(<storage path>)
val oos = new ObjectOutputStream(fos)
oos.writeObject(model)
oos.close
,並加載它:
val fos = new FileInputStream(<storage path>)
val oos = new ObjectInputStream(fos)
val newModel = oos.readObject().asInstanceOf[org.apache.spark.mllib.classification.LogisticRegressionModel]
它爲我
+0
坦克曼!很好的答案! – dimson 2014-11-25 11:26:15
相關問題
- 1. SciKit學習 - 訓練高斯樸素貝葉斯分類器
- 2. 在ngrams上訓練樸素貝葉斯分類器
- 3. 與樸素貝葉斯分類器
- 4. 多個樸素貝葉斯分類器
- 5. 樸素貝葉斯分類器
- 6. 樸素貝葉斯分類器中的「樸素」是什麼?
- 7. 如何選擇樸素貝葉斯分類器的訓練數據
- 8. NLTK樸素貝葉斯分類器培訓問題
- 9. 樸素貝葉斯分類百分比
- 10. 保存樸素貝葉斯分類器nltk
- 11. nltk貝葉斯分類器訓練
- 12. 貝葉斯分類器訓練集
- 13. 樸素貝葉斯分類排
- 14. spark-ml樸素貝葉斯保存到hdfs
- 15. 使用樸素貝葉斯分類器的文檔分類
- 16. Mahout - 樸素貝葉斯
- 17. Matlab樸素貝葉斯
- 18. 瞭解樸素貝葉斯
- 19. 樸素貝葉斯迴歸
- 20. 模式識別最大似然樸素貝葉斯分類器
- 21. 機器學習Python中的樸素貝葉斯分類器
- 22. 拉普拉斯平滑伯努利模型樸素貝葉斯分類器
- 23. Python中的任何樸素貝葉斯分類器?
- 24. 使用Multinomial樸素貝葉斯分類器時的ValueError
- 25. 樸素貝葉斯分類器中的錯誤
- 26. 實現樸素貝葉斯分類器的低準確性
- 27. 樸素貝葉斯分類器中的Python偏度和峯度
- 28. 工作負載預測的樸素貝葉斯分類器
- 29. 樸素貝葉斯分類器的K-fold交叉驗證
- 30. 處理樸素貝葉斯分類器中的缺失屬性
您使用的是MlLib嗎?也許你可以保存訓練好的模型的權重並保存。然後在需要時創建一個新模型,將這些權重作爲初始權重? – 2014-11-12 19:07:10
是的,我正在使用MLib。是否有可能從訓練模型中獲得權重? – dimson 2014-11-12 19:21:47
是的。我使用LogisticRegressionModel。然後model.weights()給出權重向量。打算像這樣使用它。找不到序列化整個模型的其他選項。 – 2014-11-12 19:27:08