Question

作者: Bhan 编辑: Morvan

• 学习资料:
  • 相关代码

总算到了最后一次的课程了，我们训练好了一个 Model 以后总需要保存和再次预测，所以保存和读取我们的 sklearn model 也是同样重要的一步。这次主要介绍两种保存 Model 的模块 pickle 与 joblib 。

本节内容包括:

• 使用 pickle 保存
• 使用 joblib 保存

方法 1 - pickle

首先简单建立与训练一个 SVC Model。

from sklearn import svm
from sklearn import datasets

clf = svm.SVC()
iris = datasets.load_iris()
X, y = iris.data, iris.target
clf.fit(X,y)

使用 pickle 来 保存 与 读取 训练好的 Model。 (若忘记什么是 pickle ，可以回顾 13.8 pickle 保存数据 视频。)

import pickle #pickle 模块

#保存 Model(注:save 文件夹要预先建立，否则会报错)
with open('save/clf.pickle', 'wb') as f:
    pickle.dump(clf, f)

#读取 Model
with open('save/clf.pickle', 'rb') as f:
    clf2 = pickle.load(f)
    #测试读取后的 Model
    print(clf2.predict(X[0:1]))

# [0]

方法 2 - joblib

joblib 是 sklearn 的外部模块。

from sklearn.externals import joblib #jbolib 模块

#保存 Model(注:save 文件夹要预先建立，否则会报错)
joblib.dump(clf, 'save/clf.pkl')

#读取 Model
clf3 = joblib.load('save/clf.pkl')

#测试读取后的 Model
print(clf3.predict(X[0:1]))

# [0]

最后可以知道 joblib 在使用上比较容易，读取速度也相对 pickle 快。

如果你觉得这篇文章或视频对你的学习很有帮助，请你也分享它，让它能再次帮助到更多的需要学习的人。