sklearn模型持久化

在用sklearn训练了模型之后，需要保存模型，以便日后使用。下面介绍了关于如何持久化sklearn模型的方法。

可以使用python自带的pickle模块保存和加载模型，下面是用SVM做iris数据集分类的例子。

>>> from sklearn import svm
>>> from sklearn import datasets
>>> clf = svm.SVC()
>>> X, y= datasets.load_iris(return_X_y=True)
>>> clf.fit(X, y)
SVC()

>>> import pickle
>>> s = pickle.dumps(clf)
>>> clf2 = pickle.loads(s)
>>> clf2.predict(X[0:1])
array([0])
>>> y[0]
0

一般情况下，sklearn中使用joblib来代替pickle，包括dump和load方法。joblib对于保存和加载内部包含大量numpy arry数据的对象更加高效。

保存：

>>> from joblib import dump, load
>>> dump(clf, 'filename.joblib') 

加载：

clf = load('filename.joblib') 
clf2.predict(X[0:1])
print(y[0])
0

与上面输出结果一致，这里除了传入文件名，还可以传入文件对象

翻译自：https://scikit-learn.org/stable/modules/model_persistence.html