时间戳

首页 > 解决方案 > 保存的模型：LinearRegression 似乎不起作用

pyspark - 保存的模型：LinearRegression 似乎不起作用

问题描述

我正在使用 Azure 和 Spark 版本是 '2.1.1.2.6.2.3-1

我使用以下命令保存了我的模型：

def fit_LR(training,testing,adl_root_path,location,modelName):
    training.cache()
    lr = LinearRegression(featuresCol = 'features',labelCol = 'ZZ_TIME',solver="auto",maxIter=100)
    lr_model = lr.fit(training)
    testing.cache()

    lr_outpath = adl_root_path + "Model/Sprint6Results/RUN/" + str(location) + str(modelName)

    lr_model_save = lr.write().overwrite().save(lr_outpath)

当我尝试使用模型并重新加载它时

saved_model_path = adl_root_path + "Model/Sprint6Results/RUN/" + str(location) + str(modelName)
reloaded_model = LinearRegression.load(saved_model_path)
testing.cache()
reloaded_model.transform

我得到的错误是这样的：

'LinearRegression' object has no attribute 'transform'
Traceback (most recent call last):
AttributeError: 'LinearRegression' object has no attribute 'transform'

我发现的所有示例似乎都告诉我，我应该有能力使用已保存模型中的这些新数据进行预测，但我似乎错过了一步。

标签： pysparklinear-regressionapache-spark-2.1.1

解决方案

有一个错误。我应该保存模型的拟合，而不仅仅是线性回归函数

lr_model_save = lr_model.write().overwrite().save(lr_outpath)

推荐阅读