數學建模學習（68）：機器學習訓練模型的保存與模型使用

機器學習模型通常需要數小時或數天才能運行，尤其是在具有許多特征的大型數據集上。如果你的機器壞了，你會丟失你的模型，你需要從頭開始重新訓練它。

Pickle 是一個有用的 Python 工具，可讓你保存模型，最大限度地減少冗長的重新訓練，并允許你共享、提交和重新加載預先訓練的機器學習模型。

Pickle 是一個通用的對象序列化模塊，可用于序列化和反序列化對象。雖然它最常與保存和重新加載經過訓練的機器學習模型相關聯，但它實際上可以用于任何類型的對象。以下是如何使用 Pickle 將訓練好的模型保存到文件并重新加載以獲取預測。

模型保存

接著上篇內容：數學建模學習67，代碼也是在原來的基礎上繼續添加，兩行即可保存模型，這里把model保存為model.pkl：

import pickle pickle.dump(model, open('model.pkl'

1

2

機器學習

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。