Menyimpan & Memuat Model

Sering kali Anda perlu kembali ke model sebelumnya untuk melihat asumsi atau pengaturan apa yang digunakan saat menelusuri sumber kesalahan prediksi. Mungkin ada yang salah dengan datanya? Mungkin Anda perlu menambahkan fitur baru untuk menangkap kejadian tidak biasa yang terjadi?

Pada contoh ini, Anda akan berlatih menyimpan dan memuat sebuah model.

Latihan ini merupakan bagian dari kursus

Rekayasa Fitur dengan PySpark

Lihat Kursus

Instruksi latihan

Impor RandomForestRegressionModel dari pyspark.ml.regression.
Gunakan model di memori bernama model, panggil metode save() padanya dan beri nama model rfr_no_listprice.
Muat kembali berkas model yang disimpan rfr_no_listprice dengan memanggil load() pada RandomForestRegressionModel dan simpan ke dalam loaded_model.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

from ____ import ____

# Save model
model.____(____)

# Load model
loaded_model = ____.____(____)

Edit dan Jalankan Kode