文章大纲 模型保存 模型加载 源码解读 参考文献 基于PySpark2.x or 3.0 进行机器学习系列 模型保存 现在我们已经构建并评估了一个模型,让我们将其保存到持久存储中,以便以后重用(或者在集群失败的情况下,我们不必重新计算模型)。 保存模型非常类似于编写数据框架-API是model.write().save(Path),您可以选择提供覆盖()命令来覆盖该路径中包含的任何数据 # In Python pipelinePath = "/tmp/lr-pipeline-model" pipelineModel.write().overwrite().save(</