sklearn 保存训练模型的两种方法

最新推荐文章于 2023-12-27 14:38:33 发布

jeffery0628

最新推荐文章于 2023-12-27 14:38:33 发布

阅读量4.5k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签： sklearn

本文链接：https://blog.youkuaiyun.com/code_fighter/article/details/80381433

机器学习专栏收录该内容

6 篇文章

订阅专栏

本文介绍如何利用Python中的Scikit-learn库进行支持向量机(SVM)模型训练，并通过两种方式实现模型的持久化：pickle模块与joblib库。重点展示了使用joblib进行模型保存和恢复的过程及其优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from sklearn import svm
from sklearn import datasets

clf = svm.SVC()
iris = datasets.load_iris()
X, y = iris.data, iris.target
clf.fit(X,y)

# method:1 pickle
# save
import pickle
# with open('save/clf.pickle','wb') as f:
#     pickle.dump(clf,f)
# restore
# with  open('save/clf.pickle','rb') as f:
#     clf2 = pickle.load(f)
#     print(clf2.predict(X[0:1]))

# method:2 joblib
from sklearn.externals import joblib
# Save
joblib.dump(clf, 'save/clf.pkl')
# restore
clf3 = joblib.load('save/clf.pkl')
print(clf3.predict(X[0:1]))