12_模型保存与加载

---

博文配套视频课程：24小时实现从零到AI人工智能

---

模型保存与加载

训练好的模型可以先保存起来，下一次可以使用时直接加载即可，这样既节省了时间也提高了效率

from sklearn.externals import joblib
try:
    lr = joblib.load("../data/lr.pkl")
    print('已加载现有模型')
except:
    lr = LinearRegression()
    lr.fit(X_train, y_train)
    joblib.dump(lr,"../data/lr.pkl")
# 预测数据
y_predict = lr.predict(X_test)
score = lr.score(X_test, y_test)
print('测试集预测率:', score)
print('梯度下降均方误差为:', mean_squared_error(y_test, y_predict))

机器学习正确率

请注意识别的正确率还得结合具体的场景才显得有意义，例如：人工智能语音识别率已经达到98%，这是还不错，可以用于商用了，但是指纹识别率达到了99%，那这个技术还是不及格，这意味着每100个人的指纹，就有一个出错，那在机场和火车站这样大人流的情况下，根本就没法用。所以正确率必须代入具体的场景才会显得有意义

线性回归总结

1. 没有超参数 只能解决回归问题 (如果要解决分类问题，则可以使用逻辑回归)
2. 对数据有假设：数据与输出结果之间有一定的线性关系
3. 优点：白盒子算法，对数据具有很强的解释型