我已经在PC（PySpark）上构建了带有样本数据的初步ML（Windows）模型，其准确性约为70％。将model binary保留在磁盘上之后，我正在从另一个jupyter笔记本中读取它，准确性接近70％。现在，如果我在集群（MapR/Unix）上执行相同的操作，则从磁盘读取model binary后，准确性下降到10-11％（数据集也完全相同）。即使使用完整的数据集，我也会遇到相同的问题（仅作为参考）。
由于集群具有Unix OS，因此我尝试在docker容器（Unix）中对模型进行训练，持久性测试，但是在那里没有问题。问题仅在于群集。
此后，我一直在挠头，想想可能是什么原因以及如何解决它。请帮忙。
编辑：
这是一个分类问题，我使用了pyspark.ml.classification.RandomForestClassifier。
要保留模型，我只是使用标准设置：
model.write().overwrite().save(model_path)
并加载模型：
model = pyspark.ml.classification.RandomForestClassificationModel().load(model_path)
我在模型中使用了StringIndexer，OneHotEncoder等，并且还将它们持久保存在磁盘上，以便在其他jupyter笔记本中使用它们（与主要模型相同）。
编辑：
Python：3.x
火花：2.3.1