当我们训练好一个model后,下次如果还想用这个model,我们就需要把这个model保存下来,下次直接导入就好了,不然每次都要跑一遍。
1. 使用Python自带的pickle
from sklearn.ensemble import RandomForestClassifier
from sklearn import datasets
import pickle
(X,Y) = datasets.load_iris(return_X_y=True)
rfc = RandomForestClassifier(n_estimators=100,max_depth=100)
rfc.fit(X,Y)
print(rfc.predict(X[0:5,:]))
#保存模型
with open('saved_model/rfc.pickle','wb') as f:
pickle.dump(rfc,f)
#读取模型
with open('saved_model/rfc.pickle','rb') as f:
rfc_new = pickle.load(f)
print(rfc_new.predict(X[147:150,:]))
2. 使用sklearn中的joblib模块(速度更快)
from sklearn.ensemble import RandomForestClassifier
from sklearn import datasets
import joblib
(X,Y) = datasets.load_iris(return_X_y=True)
rfc = RandomForestClassifier(n_estimators=100,max_depth=100)
rfc.fit(X,Y)
print(rfc.predict(X[0:5,:]))
#保存模型
joblib.dump(rfc,'saved_model/rfc.pkl')
#读取模型
rfc_new = joblib.load('saved_model/rfc.pkl')
print(rfc_new.predict(X[147:150,:]))
————————————————
版权声明:本文为CSDN博主「_洋_」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/guoyang768/article/details/107716415