LightGBM模型保存save_model后加载

最新推荐文章于 2024-08-07 14:48:28 发布
最新推荐文章于 2024-08-07 14:48:28 发布
阅读量2k 收藏 1
点赞数 1
CC 4.0 BY-SA版权
文章标签： 开发语言 python 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Dr_maker/article/details/134413387

LightGBM模型的加载通常会使用外置的joblib接口来实现，但有时候我们也能看到使用其自带接口save_model来实现。但网上对于这一接口下保存的模型该如何读取，并没有相关详尽的介绍。本文将给出model.save_model('model.txt')保存后后该如何读取

解决方案

 使用model.save_model('model.txt')对模型进行保存后，使用model=lgb.Booster(model_file='model.txt')读取即可。注意，是直接用Booster,不是当初模型保存时对应的LGBMRegressor或LGBMClassifier*

夜半罟霖
关注
机器学习（二十九）：LightGBM 模型
全栈川川
09-15 1975
机器学习 LightGBM模型
lightGBM文件保存
sa726663676的博客
06-10 3587
lightGBM和sklearn中的lightGBM模型保存
lightgbm模型保存为pmml文件，并加载
m0_63841024的博客
08-07 1764
5.在pmml-lightgbm-example目录下会生成target文件，target目录下会生成.jar文件7.在此目录下可生成.pmml文件。
Lightgbm模型两种保存方式
热门推荐
u012666689的专栏
12-17 2万+
一、原生形式使用lightgbm(import lightgbm as lgb) # 模型训练 gbm = lgb.train(params, lgb_train, num_boost_round=20, valid_sets=lgb_eval, early_stopping_rounds=5) # 模型保存 gbm.save_model('model.txt') # 模型加载 gbm =...
LightGBM如何保存模型？
炼丹笔记
03-30 5149
用lgb保存模型遇到了几个坑，在这里记录一下。在用Lightgbm.LGBMClassifier训练生成模型时，Scikit-learn 官网上建议的两种方式：1.pickle方式这里我写了保存和加载两种方式：import pickle def pkl_save(filename,file): output = open(filename, 'wb') pickle.dump(fi...
lightgbm 保存模型 过大_Lightgbm模型两种保存方式
weixin_36204992的博客
02-01 1858
一、原生形式使用lightgbm(import lightgbm as lgb)# 模型训练gbm = lgb.train(params, lgb_train, num_boost_round=20, valid_sets=lgb_eval, early_stopping_rounds=5)# 模型保存gbm.save_model('model.txt')# 模型加载gbm = lgb.Boost...
lightgbm java加载模型
luoyexuge的专栏
06-12 3913
先占个坑吧，用lightgbm训练了下之前用于xgboost模型的文本数据，确实快了很多，对于生成的模型，无论是利用c++还是python ，生成的模型都是一样，现在要利用java来加载模型，之前看到csdn上一篇博客http://blog.youkuaiyun.com/lyg5623/article/details/72779251  提到加载模型来做predict，但是由于lightgbm版本更新对于生成
lightgbm模型保存为pmml文件 机器学习lgbm模型存为pmml文件 通过java调用jar
01-23
首先，LightGBM模型的保存和加载是模型持久化的重要步骤。在Python中，我们可以使用`lightgbm`库提供的`save_model`和`load_model`函数来实现这一过程。例如，一旦模型训练完成，可以使用以下代码保存模型： ```...
输出lightgbm训练模型代码实现，通过lightgbm.LGBMModel.save_model()函数保存模型
最新发布
09-14
当然，以下是使用LightGBM库训练模型并保存到文件的一个基本示例。假设我们有一个分类任务，数据集存储在DataFrame `train_data` 和 `train_labels` 中： ```python import lightgbm as lgb from sklearn.datasets ...
lightgbm 保存模型 过大_lightGBM从参数调优到背景理论
weixin_39564510的博客
12-20 457
时隔两年，再次复盘之前写的lightgbm的这篇文章，发现当时主要是为了实践使用，并没有写很多的理论背景，这次在文章的前面部分，添加理论部分，后面依旧是简单的使用和参数的含义。希望迎接更好的2020年~——————————————————————————在第二部分原理中，结合了原始作者的论文，还有网络上比较好的几篇的讲解lightGBM的论文一、简介——机器学习竞赛的好工具lightGBM是一个很...
机器学习-lightgbm转pmml
05-15
lightgbm模型转pmml文件，可用于java程序调用，实现在线打分功能。 看网站上有人定价为付费，于是开出积分版本，赚点积分，谢谢支持 使用方法: 1. 生产模型基础文件：python环境下模型训练完后, model.booser_.save...
定制版LightGBM
06-24
本文件主要基于微软开源的LightGBM项目，对其中的application.h,application.hpp,predictor.hpp文件进行修改，添加用于实时预测的C++ API ，方便用户部署预测速度飞快的C/C++线上预测模型。
lightgbm 保存模型 过大_LightGBM原理分析
weixin_32122595的博客
12-25 275
1. Abstract在之前我介绍过XGB模型，这次想跟大家分享一下LightGBM这个模型。LightGBM论文的标题为A Highly Efficient Gradient Boosting Decision Tree。这说明LightGBM它是对于XGB提升性能的版本。而LightGBM相对于其他GBM来说具有相近的准确率而且是其训练速度20倍。2. Comparse with XGBLig...
lightGBM专题4:pyspark平台下lightgbm模型保存
fangfanglovezhou的博客
06-29 2407
之前的文章（pyspark lightGBM1和pyspark lightGBM2）介绍了pyspark下lightGBM算法的实现，本文将重点介绍下如何保存训练好的模型，直接上代码： from pyspark.sql import SparkSession from pyspark.ml.feature import StringIndexer #配置spark,创建SparkSession对象 spark = SparkSession.builder.master('yarn').appName('
LightGBM模型详解
weixin_44852067的博客
04-24 5626
1.背景   LightGBM 是微软开发的 boosting 集成模型，和 XGBoost 一样是对 GBDT 的优化和高效实现，原理有一些相似之处，但它很多方面比 XGBoost 有着更为优秀的表现。官方给出的这个工具库模型的优势如下： 更快的训练效率 低内存使用 更高的准确率 支持并行化学习 可处理大规模数据 支持直接使用 category 特征   下图是一组实验数据，LightGBM比XGBoost快将近 101010 倍，内存占用率大约为XGBoost的 1/61/61/6，并且准确率也有提
lightgbm模型调用
nch970214的博客
07-23 3147
一、原生形式使用lightgbm(import lightgbm as lgb) # 模型训练 gbm = lgb.train(params, lgb_train, num_boost_round=20, valid_sets=lgb_eval, early_stopping_rounds=5) # 模型保存 gbm.save_model('model.txt') # 模型加载 gbm = lgb.Booster(model_file='model.txt') # 模型预测 y_pred = g
LGB模型保存及使用
kuxingseng123的博客
01-26 3124
会自己进行调参。
lightgbm 保存模型 过大_lightgbm介绍
weixin_39906521的博客
01-02 400
lightgbm由微软开发的boosting工具包，顾明思议light，这个包计算速度更快，占用内存更少，而准确度和xgboost相当，也是一大神器。lightgbm进行了如下优化：1. 直方图算法1.1 创建直方图把连续的浮点特征值离散化成k个整数，同时构造一个宽度为k的直方图。在 遍历数据的时候，根据离散化后的值作为索引在直方图中累积统计量，当遍 历一次数据后，直方图累积了需要的统计量，然后根...
lightgbm保存模型参数
kyle1314608的博客
12-16 1304
机器学习模型的可解释性是个让人头痛的问题。在使用LightGBM模型的肯定对生成的GBDT的结构是好奇的，我也好奇，所以就解析一个LightGBM的模型文件看看，通过这个解析，你可以看懂GBDT的结构。 另外，了解模型文件，能够在此基础上做模型的监控、评估。 训练配置： 6307410个样本做训练集 num_trees = 2 // 树的棵树 categorical_feature=1,2,3,5,6,8,299 //类别特征编号 num_leaves = 6 // 每棵树的叶子数 max_
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值