Modelle speichern und laden

Oft schaust du später noch einmal auf ein früheres Modell, um nachzuvollziehen, welche Annahmen oder Einstellungen du verwendet hast, wenn du untersuchst, woher deine Vorhersagefehler kommen. Vielleicht war etwas mit den Daten nicht in Ordnung? Oder du musst ein neues Feature einbauen, um ein ungewöhnliches Ereignis abzubilden?

In diesem Beispiel übst du, wie man ein Modell speichert und lädt.

Diese Übung ist Teil des Kurses

<Kurs>Feature Engineering mit PySpark</Kurs>

Kurs ansehen

Übungsanweisungen

Importiere RandomForestRegressionModel aus pyspark.ml.regression.
Rufe auf dem im Speicher befindlichen Modell model die Methode save() auf und gib dem Modell den Namen rfr_no_listprice.
Lade die gespeicherte Modelldatei rfr_no_listprice erneut, indem du load() auf RandomForestRegressionModel aufrufst und das Ergebnis in loaded_model speicherst.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

from ____ import ____

# Save model
model.____(____)

# Load model
loaded_model = ____.____(____)

Code bearbeiten und ausführen