Python 在Spark\PySpark中保存\加载模型的正确方法是什么

我正在使用PySpark和MLlib使用Spark 1.3.0，我需要保存和加载我的模型。我使用这样的代码（取自官方）

尝试使用model0后，我得到了一个很长的回溯，结果如下：

Py4JError: An error occurred while calling o70.predict. Trace:
py4j.Py4JException: Method predict([class org.apache.spark.api.java.JavaRDD]) does not exist
    at py4j.reflection.ReflectionEngine.getMethod(ReflectionEngine.java:333)
    at py4j.reflection.ReflectionEngine.getMethod(ReflectionEngine.java:342)
    at py4j.Gateway.invoke(Gateway.java:252)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:133)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:207)
    at java.lang.Thread.run(Thread.java:745)

所以我的问题是——我做错什么了吗？就我调试而言，我的模型是存储的（本地和HDFS上），它们包含许多包含一些数据的文件。我感觉模型保存正确，但可能没有正确加载。我也在谷歌上搜索过，但没有发现任何相关信息

看起来Spark 1.3.0中最近添加了此保存\加载功能，因此我有另一个问题-在1.3.0版本之前，保存\加载模型的推荐方法是什么？我还没有找到任何好的方法来实现这一点，至少对于Python来说是这样。我也尝试过Pickle，但是遇到了与这里描述的相同的问题，我也遇到了这个问题——它看起来像一个bug。 我已向。

报告截至2015年3月28日（您的问题上次编辑后的一天），此问题已得到解决

您只需要从GitHub（

gitclone）克隆/获取最新版本git://github.com/apache/spark.git -b branch-1.3），然后使用
$mvn-DskipTests clean包构建它（按照
spark/README.md
中的说明）

注：我在构建Spark时遇到了麻烦，因为Maven不太可靠。我通过使用
$updatealternations--config mvn
并选择优先级为150的“路径”解决了这个问题，不管这意味着什么
 保存模型的一种方法（在Scala中；但在Python中可能类似）：

然后可以将保存的模型加载为：

val linRegModel = sc.objectFile[LinearRegressionModel]("linReg.model").first()

另见相关文件

有关更多详细信息，请参见（）
使用ML中的管道来训练模型，然后使用MLWriter和MLReader保存模型并将其读回

from pyspark.ml import Pipeline
from pyspark.ml import PipelineModel

pipeTrain.write().overwrite().save(outpath)
model_in = PipelineModel.load(outpath)

是的，我看过这个公关，谢谢！但我还没有尝试建立自己的火花。也谢谢你给Maven的提示：）谢谢，但是这个问题很老了：）自从被问到以后，很多事情都变了。
val linRegModel = sc.objectFile[LinearRegressionModel]("linReg.model").first()

from pyspark.ml import Pipeline
from pyspark.ml import PipelineModel

pipeTrain.write().overwrite().save(outpath)
model_in = PipelineModel.load(outpath)