我正在 Spark 中训练逻辑回归。但是，由于我的训练数据的特殊性，我需要在之后手动调整模型，即更改截距。
使用 RDD api 很容易做到这一点 - 只需实例化一个新的 LogisticRegressionModel：
val intercept = model.intercept() + adjustment
val model = new LogisticRegressionModel(model.weights(), intercept)
但是，DataFrame API 中的 LogisticRegressionModel 构造函数是私有的。如何手动调整模型？
【问题讨论】：
标签： apache-spark apache-spark-mllib
今天下午我遇到了同样的问题，我处于测试模式，无论如何都试图让它发生，所以我不在乎它有多脏：从你的模型中获取系数，获取截距，调整它，然后使用他们在 Spark 中使用的 code 手动进行预测（查找 BLAS.dot、margin 和 score）。在某些时候他们使用BLAS.dot，好吧BLAS 是私有的。再次做同样的事情，检索dot的代码，处理SparseVector/DenseVector就可以了。很脏，但它可以工作。
【讨论】：
val modelClass = classOf[LogisticRegressionModel]; val const = modelClass.getDeclaredConstructor(classOf[String], classOf[Vector], classOf[Double]); val intercept = trained.intercept - adjustment; val newModel = const.newInstance(trained.uid, trained.coefficients, intercept:java.lang.Double))