机器学习—保存模型、加载模型—Joblib

Joblib描述

Joblib是一组用于在Python中提供轻量级流水线的工具。
特点：
·透明的磁盘缓存功能和懒惰的重新评估（memoize模式）
·简单的并行计算

Joblib可以将模型保存到磁盘并可在必要时重新运行：

代码实现

#加载模块
from sklearn.datasets import load_iris
import joblib
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
#分割数据集
data = load_iris()
X = data.data
y = data.target
train_X,test_X,train_y,test_y = train_test_split(X,y,test_size=0.3,random_state=2)

#训练模型
lr = LinearRegression()
lr.fit(train_X,train_y)

#将训练的模型保存到磁盘(value=模型名)   默认当前文件夹下
joblib.dump(filename='LR.model',value=lr)

# 下载本地模型
model1 = joblib.load(filename="LR.model")

#对本地模型进行预测
print(model1.predict(test_X))
print(model1.score(test_X,test_y))

# 重新设置模型参数并训练
model1.set_params(normalize=True).fit(train_X,train_y)

#新模型做预测
print(model1.predict(test_X))
print(model1.score(test_X,test_y))

结果展示