《大数据机器学习实践探索》 ---- 使用spark MLlib进行机器学习（2.5 设计机器学习管道 -- 保存和加载模型）

---

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(</