保存与加载模型
很多时候，您需要回到之前训练过的模型，查看当时用于诊断预测误差来源的假设或设置。也许是数据有问题？或者需要加入一个新特征来捕捉某次异常事件？
在本练习中，您将练习如何保存和加载模型。
本练习是课程的一部分
使用 PySpark 进行特征工程
练习说明
- 从
pyspark.ml.regression导入RandomForestRegressionModel。 - 使用内存中的模型
model，调用其save()方法，并将模型命名为rfr_no_listprice。 - 通过在
RandomForestRegressionModel上调用load()重新加载已保存的模型文件rfr_no_listprice，并将其保存到loaded_model中。
交互式实操练习
通过完成这段示例代码来试试这个练习。
from ____ import ____
# Save model
model.____(____)
# Load model
loaded_model = ____.____(____)