机器学习模型保存

在训练完成机器学习模型后，经常将满足需要的机器学习模型进行保存，本文以SVM算法为例，讲解模型保存和调用的方法。

1.模型保存

joblib.dump(模型, 模型命名) #将训练模型保存起来

如：

from sklearn.svm import SVC 
from sklearn.metrics import classification_report
from sklearn.externals import joblib

clf = SVC(kernel='linear', C=1)
clf.fit(obj_sub_data_train_vecs,objtrainy)

y_predict= clf.predict(obj_sub_data_test_vecs) 
print (classification_report(objtesty, y_predict))
joblib.dump(clf, 'SVM_1.model')

2.模型调用

joblib.load(模型名)

如：

from sklearn.externals import joblib
def svm_predict(filename):
    filename=filename
    words_vecs=buildVecs(filename)
    CLF_1=joblib.load('SVM_1.model')#模型调用
    CLF_2=joblib.load('SVM_2.model')
    y_predict_all=[]
    result_1=CLF_1.predict(words_vecs)
    for i in result_1:
        if int(result_1[i])==0:
            y_predict=0
        else:
            result_2=CLF_2.predict(words_vecs[i])
            if result_2==0:
                y_predict=-1
            else:
                 y_predict=1
        y_predict_all.append(y_predict)
    print(y_predict_all)

作为一名非科班出身的教育技术学研究生，技术水平十分有限。近期看到教育工作者在处理数据是比较困难，包括本教育技术学的科研工作者在面对大批量数据时也是束手无策，于是萌生了为教育工作者写一个开源库的想法，意图通过简单的几行代码就可以完成诸如文件合并、字符云等复杂功能。欢迎关注该项目,如果有同学在此方面感兴趣和可以和我联系，我们一起维护该项目！
本人感兴趣的研究方向:复杂系统计算与可解释性的深度学习以及自然语言处理。微信公众号：SMNLP;个人博客:www.litan.tech。