利用pickle保存模型

当我们训练完成一个模型后，我们需要将模型保存起来，以便下次方便使用。

pickle

pickle是python自带的保存模型的方法。

保存模型：

from sklearn import svm
from sklearn import datasets
import pickle

clf = svm.SVC()  # 创建一个SVC模型
iris = datasets.load_iris()
X, y = iris.data, iris.target
clf.fit(X, y)  # 训练模型
# 保存模型
with open('save/clf.pickle', 'wb') as f:
   pickle.dump(clf,f)

加载模型：

from sklearn import svm
from sklearn import datasets
import pickle

iris = datasets.load_iris()
X, y = iris.data, iris.target
# 加载模型
with open('save/clf.pickle', 'rb') as f:
   clf2 = pickle.load(f)
   print(clf2.predict(X[0:1]) # 加载了模型之后就可以进行预测了 输出[0]

joblib

joblib 比pickle更快，使用了多线程并行处理。

保存模型

import joblib

clf = svm.SVC()
iris = datasets.load_iris()
X, y = iris.data, iris.target
clf.fit(X, y)
joblib.dump(clf, 'save/clf.pkl')

加载模型

import joblib
clf3 = joblib.load('save/clf.pkl')
print(clf3.predict(X[0:1]))  # 输出[0]