機器學習——模型保存

對于已經調好參數的模型，我們需要將其保存下來，可以使用下面兩種方法。

模型訓練

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') # 模型加載 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() # 模型加載 f = open('DecisionTree.pickle', 'rb') model = pickle.load(f) f.close()

1

2

3

4

5

6

7

8

9

10

11

joblib與pickle對比

對于大數據而言，joblib比pickle更加高效，但是joblib只能將對象存儲在磁盤文件中，不能保存為字符串。

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。

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。