Ich bin gerade dabei, meinen Code umzugestalten, um die Vorteile von @ zu nutzeDataFrames, Estimators und Pipelines. Ich habe ursprünglich @ verwendMLlib Multiclass LogisticRegressionWithLBFGS aufRDD[LabeledPoint]. Ich lerne und verwende gerne die neue API, bin mir jedoch nicht sicher, wie ich mein neues Modell speichern und auf neue Daten anwenden kann.

erzeit ist die ML-Implementierung vonLogisticRegression unterstützt nur die binäre Klassifikation. Ich benutze stattdessen OneVsRest wie so:

val lr = new LogisticRegression().setFitIntercept(true)
val ovr = new OneVsRest()
ovr.setClassifier(lr)
val ovrModel = ovr.fit(training)

Ich möchte jetzt mein @ speicheOneVsRestModel, aber dies scheint von der API nicht unterstützt zu werden. Ich habe versucht

ovrModel.save("my-ovr") // Cannot resolve symbol save
ovrModel.models.foreach(_.save("model-" + _.uid)) // Cannot resolve symbol save

Gibt es eine Möglichkeit, dies zu speichern, damit ich es in eine neue Anwendung laden kann, um neue Vorhersagen zu treffen?