机器学习-训练模型的保存与恢复(sklearn)
来源:互联网 发布:linux find指令 编辑:程序博客网 时间:2024/05/29 14:28
转载自 http://blog.csdn.net/Dream_angel_Z/article/details/47175373
在做模型训练的时候,尤其是在训练集上做交叉验证,通常想要将模型保存下来,然后放到独立的测试集上测试,下面介绍的是Python中训练模型的保存和再使用。
scikit-learn已经有了模型持久化的操作,导入joblib即可
from sklearn.externals import joblib
模型保存
>>> os.chdir("workspace/model_save")>>> from sklearn import svm>>> X = [[0, 0], [1, 1]]>>> y = [0, 1]>>> clf = svm.SVC()>>> clf.fit(X, y) >>> clf.fit(train_X,train_y)>>> joblib.dump(clf, "train_model.m")
通过joblib的dump可以将模型保存到本地,clf是训练的分类器
模型从本地调回
>>> clf = joblib.load("train_model.m")
通过joblib的load方法,加载保存的模型。
然后就可以在测试集上测试了
clf.predit(test_X) #此处test_X为特征集
阅读全文
0 0
- 机器学习-训练模型的保存与恢复(sklearn)
- 机器学习-训练模型的保存与恢复(sklearn)
- 训练模型的保存与恢复(sklearn模型持久化)
- sklearn训练后使用pickle、joblib保存与恢复模型
- sklearn模型的保存与恢复
- python sklearn模型的保存与使用
- 【机器学习】Sklearn 调试模型
- tensorflow 1.0 学习:模型的保存与恢复(Saver)
- Tensorflow学习笔记:模型训练数据的保存和恢复的简单实例
- 机器学习:R包与python的sklearn库中默认决策树模型的区别
- 【深度学习】Tensorflow模型保存与恢复
- 机器学习-Python中训练模型的保存和再使用
- TensorFlow 训练好模型参数的保存和恢复代码
- Tensorflow学习(6)模型的保存与恢复(saver)
- tensorflow 模型的保存与恢复(Saver)
- Tensorflow保存模型,恢复模型,使用训练好的模型进行预测和提取中间输出(特征)
- Tensorflow保存模型,恢复模型,使用训练好的模型进行预测和提取中间输出(特征)【转】
- sklearn、TensorFlow、keras模型保存与读取
- 对召回率、准确率、mAP的理解
- 源码安装mysql5.7
- Week3模拟
- 轮播+跳转+xlistview
- Dialog出现黑框
- 机器学习-训练模型的保存与恢复(sklearn)
- 阿里面试后的想法
- elasticsearch系列-ES对多个字段聚合,select A,B,COUNT(*) from table group by A,B
- 字符串
- 服务播放音乐
- 隔行变色,,,,按钮鼠标变小手
- 数字签名是什么?
- LUA 排序算法和性能分析[3]:选择排序算法
- 查看apk签名,查看key签名,adb常用命令