机器学习——模型保存

对于已经调好参数的模型，我们需要将其保存下来，可以使用下面两种方法。

模型训练

from sklearn.tree import DecisionTreeClassifier from sklearn import datasets X, y = datasets.load_iris(return_X_y=True) model = DecisionTreeClassifier() model.fit(X, y)

1

2

3

4

5

6

sklearn.externals.joblib

import joblib # 模型保存 joblib.dump(model, 'DecisionTree.pkl') # 模型加载 model = joblib.load('DecisionTree.pkl')

1

2

3

4

5

6

pickle

import pickle # 模型保存 f = open('DecisionTree.pickle', 'wb') pickle.dump(model, f) f.close() # 模型加载 f = open('DecisionTree.pickle', 'rb') model = pickle.load(f) f.close()

1

2

3

4

5

6

7

8

9

10

11

joblib与pickle对比

对于大数据而言，joblib比pickle更加高效，但是joblib只能将对象存储在磁盘文件中，不能保存为字符串。

机器学习

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。