儲存與載入模型
你常常需要回頭查看先前的模型，釐清在診斷預測誤差來源時，當時用的是哪些假設或設定。也許資料出了問題？或是你需要加入新的特徵，才能捕捉到某個發生過的異常事件？
在這個範例中，你會練習如何儲存與載入模型。
本練習屬於課程
使用 PySpark 進行特徵工程
練習說明
- 從
pyspark.ml.regression匯入RandomForestRegressionModel。 - 針對記憶體中的模型
model呼叫save()方法，並將模型命名為rfr_no_listprice。 - 透過在
RandomForestRegressionModel上呼叫load()重新載入已儲存的模型檔rfr_no_listprice，並將其存入loaded_model。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
from ____ import ____
# Save model
model.____(____)
# Load model
loaded_model = ____.____(____)