我试图弄清楚是否有可能重新培训＆＃34;当新的和未知的数据可用于训练时的模型。我的想法是这样的：
使用一些数据集进行初始培训并生成模型。然后可以保存该模型以供将来使用（使用write().save()命令）。每次我的程序运行时，我都会调用该模型，而不是通过在相同或类似的数据上训练它来创建一个新模型（我知道我也可以使用load()命令加载模型）。但是，我将要处理的数据必然会在某一点上发生显着改变，以至于我的模型所做的预测将不再那么正确。但是，这并不意味着它是错的。这只是意味着它需要一些重新调整，而这就是“重新训练”的地方。浮现在脑海中。我想把我的旧模型用新数据重新训练，然后再保存。是否可以在Apache Spark中执行此操作？或者我是否需要仅根据新数据创建新模型？
仅供参考，我正在谈论分类模型，更具体地说是随机森林或GBT。
由于
答案 0 :(得分：1)
是：
您可以结合旧数据和新数据，并使用所有可用数据训练新模型。
否：
没有树模型增量训练的选项。您不能只从旧模型开始并添加新数据。
<强>也许：
您可以创建某种类型的整体模型。仅针对新数据训练新模型，然后使用新旧模型进行预测，对两者进行加权概率。它不是内置的，所以你自己实现它。