11 保存模型

保存模型

总算到了最后一次的课程了,我们训练好了一个Model 以后总需要保存和再次预测, 所以保存和读取我们的sklearn model也是同样重要的一步。sklearn官方文档主要介绍两种保存Model的模块pickle与joblib。

1 pickle

首先简单建立与训练一个SVCModel。

from sklearn import svmfrom sklearn import datasetsclf = svm.SVC()iris = datasets.load_iris()X, y = iris.data, iris.targetclf.fit(X,y)

使用pickle来保存与读取训练好的Model。 (若忘记什么是pickle，可以回顾13.8 pickle 保存数据视频。)

import pickle #pickle模块#保存Model(注:save文件夹要预先建立，否则会报错)with open('save/clf.pickle', 'wb') as f:    pickle.dump(clf, f)#读取Modelwith open('save/clf.pickle', 'rb') as f:    clf2 = pickle.load(f)    #测试读取后的Model    print(clf2.predict(X[0:1]))# [0]

2 joblib

joblib是sklearn的外部模块。

from sklearn.externals import joblib #jbolib模块#保存Model(注:save文件夹要预先建立，否则会报错)joblib.dump(clf, 'save/clf.pkl')#读取Modelclf3 = joblib.load('save/clf.pkl')#测试读取后的Modelprint(clf3.predict(X[0:1]))# [0]

最后可以知道joblib在使用上比较容易，读取速度也相对pickle快。