如何加载训练过的RandomForestClassificationModel模型？

Question

我已经训练了&测试了ML模型（GBTClassificationModel或RandomForestClassificationModel）。然后，我想保存经过训练的模型以供将来使用。所以我做了以下工作：

model.save("..."); 

例如，在保存它之后以GBTClassificationModel为例。保存的文件是包含“数据，元数据和treesMetadata”的目录。我的问题是如何使用这个保存的模型以供将来使用？例如，我想要做类似如下的事情：

model = spark.load("..."); 
Dataset<Row> predict_data= model_model.transform(dataset_test1) 

任何建议吗？谢谢。

UPDATE：

它原来是非常简单的：

GBTClassificationModel model1 = GBTClassificationModel.load("..."); 
Dataset<Row> predict_data= model1.transform(dataset_test) 

Answer 1

您应该使用RandomForestClassificationModel.load方法。

负载（路径：字符串）：RandomForestClassificationModel读取从输入路径，的read.load(path)快捷方式的ML实例。

在Scala中，你的情况，这将会是如下：

import org.apache.spark.ml.classification.RandomForestClassificationModel 
val model = RandomForestClassificationModel.load("/analytics_shared/qoe/km_model") 

---

我强烈建议使用星火MLlib的ML Pipeline功能：

ML管道提供一个统一的在DataFrame之上构建的一组高级API，可帮助用户创建和调整实用的机器学习管道。

随着ML管道它会这么容易，你只需用PipelineModel取代RandomForestClassificationModel。

import org.apache.spark.ml.PipelineModel 
val model = PipelineModel.load("...")