Apyspark.ml.PipelineModel是调用 a 的.fit()方法的结果pyspark.ml.Pipeline。Transformers这个估计器是一个和/或的序列，Estimators它们都有一个.transform()方法。当你调用的.transform()方法时pyspark.ml.PipelineModel——比如说，当你想使用训练好的模型进行预测时——中.transform()的每个对象的方法都会PipelineModel被依次调用。

换句话说，每个步骤的转换都是通过调用.transform()拟合管道的方法来应用的——API 为您执行此操作，或者更准确地说，为您提供了简洁的工具来根据需要执行此操作。

但是，您所说的内容稍微超出了此类对象的范围。训练/测试拆分发生在流水线之外，重要的是，出于方法论的原因。

将PipelineModel数据准备步骤与估计器结合起来，但不包括训练操作。例如，拆分数据是您必须在Pipeline.

工作流程可能会：

将数据拆分为训练和测试数据集。

定义您的数据准备步骤和回归估计器，并将它们组合成一个Pipeline.

在您的训练数据上训练整个管道：

fit_pipeline = Pipeline.fit(train)

对训练集进行预测：

train_preds = fit_pipeline.transform(train)

使用类似 apyspark.ml.evaluation.RegressionEvaluator来评估训练数据集的性能：

evaluator = RegressionEvaluator()
evaluator.evaluate(train_preds)

然后，您可以对测试数据集进行预测：

test_preds = fit_pipeline.transform(test)

并评估它们：

evaluator.evaluate(train_preds)

但是你已经有了这个完整的模型和数据准备对象，现在可以用来对类似结构的数据进行预测，称为fit_pipeline，它是 的一个实例pyspark.ml.PipelineModel。