sklearn训练模型的保存与加载

标签：bsp   模型   col   ict   好的   路径   数据量   from   问题   

使用joblib模块保存于加载模型

　　在机器学习的过程中，我们会进行模型的训练，最常用的就是sklearn中的库，而对于训练好的模型，我们当然是要进行保存的，不然下次需要进行预测的时候就需要重新再进行训练。如果数据量小的话，那再重新进行训练是没有问题的，但是如果数据量大的话，再重新进行训练可能会花费很多开销，这个时候，保存好已经训练的模型就显得特别重要了。我们可以使用sklearn中的joblib模块进行保存与加载。

from sklearn.externals import joblib
# 保存模型
joblib.dump(lr,  "./ML/test.pkl")   # lr是训练好的模型， "./ML/test.pkl"是模型要保存的路径及保存模型的文件名，其中，‘pkl‘ 是sklearn中默认的保存格式gai

这样，我们就将模型保存好了，当我们需要使用到该模型时，可以直接使用joblib.load进行加载模型

lr = joblib.load("./ML/test.pkl")
# 进行模型的预测
y_pred = lr.predict(x_test)  # 加载出来的模型跟我们训练出来的模型一样，有相同的参数

sklearn训练模型的保存与加载

标签：bsp   模型   col   ict   好的   路径   数据量   from   问题   

原文地址：https://www.cnblogs.com/ceo-python/p/11979978.html