我正在尝试根据我在Spark源代码中找到的例子创建自己的Estimator，参见DeveloperApiExample.scala。

但在这个例子中，每次我调用Estimator中的fit()方法时，它都会返回一个新的Model。

我希望能够再次拟合以训练尚未训练的更多样本。

我考虑在Model类中创建一个新方法来实现这一点。但我不确定这是否合理。需要注意的是，我的模型不需要重新处理整个数据集来训练新样本，并且我们不希望改变模型结构。

回答：

Spark ml Estimator的基础类定义在这里。如你所见，类方法fit是一个使用输入数据训练模型的简单调用。

你应该参考LogisticRegression类，特别是trainOnRows函数，其中输入是一个RDD，并且可选地有一个初始系数矩阵（训练模型的输出）。这将允许你在一个不同的数据集上迭代地训练模型。

为了实现你的需求，请记住，你选择的算法必须能够支持迭代更新。例如，广义线性模型、神经网络、树集成等。