【xgboost】xgboost模型的保存与加载

xgboost模型的保存方法

有多种方法可以保存xgboost模型，包括pickle，joblib，以及原生的save_model，load_model函数

其中Pickle是Python中序列化对象的标准方法。

这里使用Python pickle API序列化xgboost模型，并将序列化的格式保存到文件中

示例代码

import pickle
# save model to file 模型保存
pickle.dump(model, open("pima.pickle.dat", "wb"))

# load model from file 模型加载
loaded_model = pickle.load(open("pima.pickle.dat", "rb"))

参考资料

相关内容比较简单，这里主要是作为记录以为以后备用，参考：

如何保存和加载XGBoost模型（save model and load model）_liuzh的博客-优快云博客_xgboost模型保存与调用

How to Save Gradient Boosting Models with XGBoost in Python 

XGBoost模型保存与读取（多分类问题）_再见OrG的博客-优快云博客 

Xgboost 模型保存和载入（） - 静悟生慧 - 博客园