Interpréter, enregistrer et charger des modèles

Ingénierie des caractéristiques avec PySpark

John Hogue

Lead Data Scientist, General Mills

Interpréter un modèle

import pandas as pd

# Convertir les importances des caractéristiques en une colonne pandas
fi_df = pd.DataFrame(model.featureImportances.toArray(), 
                     columns=['importance'])

# Convertir la liste de noms de caractéristiques en colonne pandas
fi_df['feature'] = pd.Series(feature_cols)

# Trier les données selon l'importance des caractéristiques
fi_df.sort_values(by=['importance'], ascending=False, inplace=True)

Interpréter un modèle

# Interpréter les résultats
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 |

Enregistrer et charger des modèles

# Enregistrer le modèle
model.save('rfr_real_estate_model')

from pyspark.ml.regression import RandomForestRegressionModel

# Charger le modèle
model2 = RandomForestRegressionModel.load('rfr_real_estate_model')

Passez au dernier ensemble d'exercices !

Ingénierie des caractéristiques avec PySpark