Enregistrer et charger des modèles

Il est fréquent de revenir à un modèle précédent pour examiner les hypothèses ou les paramètres utilisés, notamment lorsqu’on cherche d’où proviennent les erreurs de prédiction. Y avait‑il un problème dans les données ? Devez‑vous intégrer une nouvelle variable pour capturer un événement inhabituel qui s’est produit ?

Dans cet exemple, vous allez vous entraîner à enregistrer et à charger un modèle.

Cet exercice fait partie du cours

<cours>Feature Engineering avec PySpark</cours>

Voir le cours

Instructions de l’exercice

Importez RandomForestRegressionModel depuis pyspark.ml.regression.
En utilisant le modèle en mémoire appelé model, appelez la méthode save() dessus et nommez le modèle rfr_no_listprice.
Rechargez le fichier de modèle enregistré rfr_no_listprice en appelant load() sur RandomForestRegressionModel et stockez‑le dans loaded_model.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

from ____ import ____

# Save model
model.____(____)

# Load model
loaded_model = ____.____(____)

Modifier et exécuter le code