Spark：将Scala ML模型加载到PySpark

Question

我在scala Spark中训练了一个LDA模型。

val lda = new LDA().setK(k).setMaxIter(iter).setFeaturesCol(colnames).fit(data) 

lda.save(path) 

我检查了我保存的模型，它包含两个文件夹：元数据和数据。

然而，当我尝试这种模式加载到PySpark，我得到了一个错误说：

model = LDAModel.load(sc, path = path) 


File "/Users/hongbowang/spark-2.2.0-bin-hadoop2.7/python/lib/py4j- 
0.10.4-src.zip/py4j/protocol.py", line 319, in get_return_value 
py4j.protocol.Py4JJavaError: An error occurred while calling 
o33.loadLDAModel. 
: org.apache.hadoop.mapred.InvalidInputException: Input path does not 
exist:file:/Users/hongbowang/Personal/Spark%20Program/Spark%20Project/ 
T1/output_K20_topic/lda/metadata 

有谁知道我该如何解决？非常感谢〜！

Answer 1

您已保存ml.clustering.LDAModel，但您尝试使用mllib.clustering.LDAModel阅读。您应该导入正确的LDAModel。对于本地模式：

from pyspark.ml.clustering import LocalLDAModel 

LocalLDAModel.load(path) 

分布式模型：

from pyspark.ml.clustering import DistributedLDAModel 

DistributedLDAModel.load(path)