Modellen opslaan en laden

Vaak kom je later terug naar een eerder model om te zien welke aannames of instellingen zijn gebruikt wanneer je onderzoekt waar je voorspellingsfouten vandaan kwamen. Was er misschien iets mis met de data? Of moet je een nieuw kenmerk toevoegen om een ongebruikelijke gebeurtenis vast te leggen?

In dit voorbeeld ga je oefenen met het opslaan en laden van een model.

Deze oefening maakt deel uit van de cursus

Feature Engineering met PySpark

Bekijk cursus

Oefeninstructies

Importeer RandomForestRegressionModel uit pyspark.ml.regression.
Roep met het model in het geheugen, model, de methode save() aan en geef het model de naam rfr_no_listprice.
Laad het opgeslagen modelbestand rfr_no_listprice opnieuw door load() aan te roepen op RandomForestRegressionModel en sla het op in loaded_model.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

from ____ import ____

# Save model
model.____(____)

# Load model
loaded_model = ____.____(____)

Code bewerken en uitvoeren