【机器学习sklearn】pickling

上一篇，我们使用了多种模型去对我们的Training Set进行建模，由于数据量不大，处理的速度还是比较快的，但在现实生活中，我们遇到的问题需要更长时间去处理，如果我们能够把模型保存下来，那么就省取了重复处理的步骤，节省了时间开销。
Python 中的pickle 提供了这种把模型存储下来的方法，
这是我们建立的一个线性回归的模型

clf = LinearRegression()
clf.fit(X_train,y_train)

将模型保存为二进制的linearregression.pickle

with open('linearregression.pickle','wb') as f:
    pickle.dump(clf,f)

读取模型，进行准备率分析

pickle_in = open('linearregression.pickle','rb')
clf = pickle.load(pickle_in)
accuracy = clf.score(X_test,y_test)