當新數據到來時如何在pyspark中重新訓練保存的線性回歸ML模型
[英]how to re-train Saved linear regression ML model in pyspark when new data is coming
問題描述
我使用pyspark ml訓練了線性回歸模型並保存了它。現在我想根據新的數據批重新訓練它。
1 個解決方案
解決方案1
0 2017-07-12 08:18:22
我不這么認為，您可以使用pyspark.ml.regression.GeneralizedLinearRegression進行訓練，然后獲得一個pyspark.ml.regression.GeneralizedLinearRegressionModel，這就是您保存的內容。 AFIK，無法重新擬合模型，您必須再次使用回歸擬合才能獲得新模型。
如何為線性回歸和訓練模型創建 tf.data.Datasets
[英]How to create a tf.data.Datasets for linear regression and train model
是否需要重新訓練 BERT 模型，特別是 RoBERTa 模型？
[英]Is it necessary to re-train BERT models, specifically RoBERTa model?
如何傳遞單個列因變量來訓練線性回歸模型？
[英]How to pass the single columnar dependent variable to train the linear regression model?
在 Keras 中，訓練有狀態 LSTM model 后，是否必須在預測值時重新訓練 model？
[英]In Keras, after you train a stateful LSTM model, do you have to re-train the model as you predict values?
重新訓練預先訓練好的ResNet-50型號，使用tf slim進行分類
[英]Re-train pre-trained ResNet-50 model with tf slim for classification purposes
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.
相關問題
如何為貨幣重新訓練現有的Spacy NER模型
如何為線性回歸和訓練模型創建 tf.data.Datasets
如何調整/重新訓練 NLTK SentimentIntensityAnalyzer
如何重新訓練現有的K-Means聚類模型
是否需要重新訓練 BERT 模型，特別是 RoBERTa 模型？
如何傳遞單個列因變量來訓練線性回歸模型？
Tensorflow：如何訓練線性回歸？
在 Keras 中，訓練有狀態 LSTM model 后，是否必須在預測值時重新訓練 model？
重新訓練預先訓練好的ResNet-50型號，使用tf slim進行分類
使用相同的數據集重新訓練保存的模型
相關標簽