在pySpark MLlib中，似乎无法保存和加载回归模型，例如LogisticRegressionModel，SVMModel，NaiveBayesModel和DecisionTreeModel。 加载并通过JavaSaveable和JavaLoader mixins保存在推荐器模型MatrixFactorizationModel上，但回归模型不是这样做的。
有没有办法通过提供自己的加载和保存例程来解决这个问题？如果是这样，我该怎么做呢？
这个功能是在未来版本中预期的，还是pySpark MLlib被逐步淘汰？
答案 0 :(得分：0)
在Spark 1.3.1中，LinearModel类是大多数线性分类器（即LogisticRegressionModel）的基类，是一个纯Python类，所以你可以试着腌它或者您可以自己保存属性_coeff - weights()和_intercept - intercept()，并构建通过权重和截距项的LogisticRegressionModel类，如下例所示：
model = LogisticRegressionModel(weights, intercept)