Modellen interpreteren, opslaan en laden

Feature Engineering met PySpark

John Hogue

Lead Data Scientist, General Mills

Een model interpreteren

import pandas as pd

# Zet feature-importance om naar een pandas-kolom
fi_df = pd.DataFrame(model.featureImportances.toArray(), 
                     columns=['importance'])

# Zet lijst met featurenamen om naar pandas-kolom
fi_df['feature'] = pd.Series(feature_cols)

# Sorteer op feature-importance
fi_df.sort_values(by=['importance'], ascending=False, inplace=True)

Een model interpreteren

# Resultaten interpreteren
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 |

Modellen opslaan en laden

# Model opslaan
model.save('rfr_real_estate_model')

from pyspark.ml.regression import RandomForestRegressionModel

# Model laden
model2 = RandomForestRegressionModel.load('rfr_real_estate_model')

Door naar je laatste set oefeningen!

Feature Engineering met PySpark