机器学习线性回归（七）：sklearn之模型保存和加载（附房价预测案例源代码）

最新推荐文章于 2022-10-18 20:20:47 发布

汪雯琦

最新推荐文章于 2022-10-18 20:20:47 发布

阅读量2.6k

点赞数 3

分类专栏：【机器学习与深度学习】文章标签：机器学习 python 深度学习逻辑回归数据分析

本文链接：https://blog.csdn.net/qq_35456045/article/details/104518730

版权

本文介绍了如何使用sklearn库保存和加载线性回归模型，详细阐述了保存模型和加载模型的步骤，并通过波士顿房价预测案例展示了具体操作，强调保存的模型文件后缀为.pkl，加载模型后无需再用训练数据。

摘要由CSDN通过智能技术生成

模型的保存和加载

文章源代码下载地址：波士顿房价岭回归正则化预测代码实现

文章目录

模型的保存和加载

1.sklearn模型的保存和加载API

from sklearn.externals import joblib

- 保存：joblib.dump(estimator, 'test.pkl')
- 加载：estimator = joblib.load('test.pkl')

注意：保存的后缀名是.pkl

2.线性回归的模型保存加载案例

注意：

要保存训练后的模型才有意义！！！
保存后的用文本打开是错误的，只能加载！！
加载的模型在使用之前加载，不需要训练数据了！！

2.1保存模型

# 1.获取数据 laod_boston bunch字典
data = load_boston()

# 2.数据集划分 数据的基本处理
x_train, x_test, y_train, y_test = train_test_split(data.data, data.target, random_state=22)

# 3.特征工程-标准化
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.fit_transform(x_test)

# 4.机器学习-线性回归(岭回归)【重要】
# 4.1 创建模型 实例化估计器
estimator = Ridge(alpha=1)#(alpha表示正则的程度）
# 4.2 训练模型 fit 正规方程计算得到最优可训练参数
estimator.fit(x_train,