使用Scikit-learn的joblib保存和加载机器学习模型

使用机器学习必然会面临保存训练模型，和加载训练好的模型的场景。sdklearn的joblib可以满足这个需求。

 

流程：

1）训练模型

2）保存模型到本地

3）从本地加载训练好的模型来使用

4）预测

代码：

import pickle
from sklearn.externals import joblib
from sklearn.svm import SVC
from sklearn import datasets

svm = SVC()

iris = datasets.load_iris()
X = iris.data
y = iris.target

svm.fit(X,y)

print(svm.predict(X[0:1]))

file_path_name = 'svm.m'
joblib.dump(svm, file_path_name)

new_svm = joblib.load(file_path_name)
print(new_svm.predict(X[0:1]))

这里有几个问题需要注意。第一，版本问题，我在使用时，都是相同的版本，还没有验证过使用不同的版本训练保存，另外的版本加载。第二，模型是使用python训练的，线上如果使用的话，考虑到性能问题，这个方案不推荐。第三，dump时，支持加密模式。默认不加密，这时打开模型文件可以看看内容。:-D