保存されたKMeansモデルを読み込むには（MLパイプラインで）？

Question

私はスカラを学んでいて、成功していないと、私が実行した/データにフィットするモデルをロードしようとしています。実行には6時間かかりましたが、出力を保存/ロードする方法がわからない場合は、これを再実行する必要があります。

パイプラインの一部としてKMeansを実行しました。トレーニングデータセットで実行したパイプラインの出力を「モデル」として保存しました。これがロードしようとしたものでした。それは使用して

は、モデルを実行した後、私は保存することができた（あるいは、少なくとも私は思った）：

model.write.overwrite().save("/analytics_shared/qoe/km_model") 

私の質問は、私は戻ってそれをロードしないので、私は、クラスタするためにそれを使用することができる方法です/ 6時間かかるトレーニングを再実行することなく新しいデータにスコアを付けることができます。

Answer 1

KMeansModel.loadメソッドを使用する必要があります。

負荷（パス：文字列）：KMeansModel入力経路、read.load(path)のショートカットからMLインスタンスを読み込み。あなたのケースでは

次のように、それはなるだろう：

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

私は、パイプラインの一部として、関数kmeansを実行しました。トレーニングデータセットで実行したパイプラインの出力を「モデル」として保存しました。これがロードしようとしたものでした。 MLパイプラインで

あなたは、単にPipelineModelとKMeansModelを交換するとして、それはさらに簡単です。

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