python保存模型_Machine Learning (3) - 介绍两种保存和读取模型的方式

引言

Machine Learning 两步曲：

训练模型

用训练好的模型帮助我们解决问题

在实际应用中，模型训练需要大量的数据。这个训练过程也许会花费比较多的时间。所以，一旦训练好以后，就需要把它 保存 起来，方便后面随时调用。

保存模型的两种方式

保存模型的方式有两种，分别是 pickle 和 sklearn joblib。

准备模型

引入数据

import pandas as pd

df = pd.read_csv('/Users/rachel/Downloads/py-master/ML/1_linear_reg/homeprices.csv')

df

输出：

训练模型

model = linear_model.LinearRegression()

model.fit(df[['area']], df.price)

// 用模型进行预测

model.predict([[3500]])

用 pickle 保存模型

// 引入包

import pickle

// 将模型写入 model_pickle 文件

with open('model_pickle', 'wb') as f:

pickle.dump(model, f)

// 从 model_pickle 文件中读取模型

with open('model_pickle', 'rb') as f:

mp = pickle.load(f)

// 用模型进行预测

mp.predict([[3500]])

用 sklearn joblib 保存模型

// 引入包

from sklearn.externals import joblib

// 将模型写入 model_joblib 文件

joblib.dump(model, 'model_joblib')

// 从 model_joblib 文件中读取模型

mj = joblib.load('model_joblib')

// 用模型进行预测

mj.predict([[3500]])

本作品采用《CC 协议》，转载必须注明作者和本文链接