机器学习-Python中训练模型的保存和再使用
来源:互联网 发布:saas平台多租户源码 编辑:程序博客网 时间:2024/05/21 10:40
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,test_y)
0 0
- 机器学习-Python中训练模型的保存和再使用
- 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)
- [session] 使用开源人工智能和机器学习工具训练现实世界的信用模型
- Tensorflow使用笔记(1) 怎么保存和使用训练好的参数和模型
- 机器学习算法在训练过程中参数保存
- tensorflow学习笔记六:保存和加载训练模型
- Tensorflow学习笔记:模型训练数据的保存和恢复的简单实例
- 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】
- 针对机器学习初学者的MNIST实验——回归的实现、训练和模型评估
- 保存Keras训练的模型
- TensorFlow 训练好模型参数的保存和恢复代码
- python sklearn模型的保存与使用
- [人工智能]机器学习实践中数据和模型的选择
- 机器学习中线性模型和非线性的区别
- 用python训练机器学习
- caffe学习(六):使用python调用训练好的模型来分类(Ubuntu)
- Java 修饰符
- Synposys VCS 安装
- leetcode:Trapping Rain Water(JAVA)
- matlab修改m文件(如修改内部自带文件)调出m文件方法
- eclipse(java)常用快捷键
- 机器学习-Python中训练模型的保存和再使用
- 贪心——HDU 1009
- HTTPClient
- Android Mvp+Rxjava+Retrofit实战
- c/c++的时间
- POJ 3169-Layout(差分约束系统-入门裸题)
- xml实现shape,作为背景
- 关于项目部署到linux服务器上拍照图片无法预览问题
- 石油大oj 1825奇怪的电梯 bfs