Interpretación, guardado y carga de modelos

Ingeniería de características con PySpark

John Hogue

Lead Data Scientist, General Mills

Interpretar un modelo

import pandas as pd

# Convertir importancias de variables a una columna de pandas
fi_df = pd.DataFrame(model.featureImportances.toArray(), 
                     columns=['importance'])

# Convertir la lista de nombres de variables en columna de pandas
fi_df['feature'] = pd.Series(feature_cols)

# Ordenar por importancia de variables
fi_df.sort_values(by=['importance'], ascending=False, inplace=True)

Interpretar un modelo

# Interpretar resultados
model_df.head(9)

|          feature        |importance|
|-------------------------|----------|
| LISTPRICE               | 0.312101 |
| ORIGINALLISTPRICE       | 0.202142 |
| LIVINGAREA              | 0.124239 |
| SQFT_TOTAL              | 0.081260 |
| LISTING_TO_MEDIAN_RATIO | 0.075086 |
| TAXES                   | 0.048452 |
| SQFTABOVEGROUND         | 0.045859 |
| BATHSTOTAL              | 0.034397 |
| LISTING_PRICE_PER_SQFT  | 0.018253 |

Guardar y cargar modelos

# Guardar modelo
model.save('rfr_real_estate_model')

from pyspark.ml.regression import RandomForestRegressionModel

# Cargar modelo desde
model2 = RandomForestRegressionModel.load('rfr_real_estate_model')

¡Vamos con el último set de ejercicios!

Ingeniería de características con PySpark