看别人的代码发现标红,发现sklearn 0.23后已经删掉了
https://scikit-learn.org/stable/modules/model_persistence.html 谷歌翻译插件应该都有吧没有看下面
方法1.用joblib 直接pip安装 pip install joblib
方法2.pickle 我没用过我看例子有
下面是机翻的:
训练了scikit学习模型后,希望有一种方法可以持久保留模型以备将来使用,而不必重新训练。以下部分为您提供了一个示例,说明如何使用pickle持久化模型。在处理pickle序列化时,我们还将回顾一些安全性和可维护性问题。
酸洗的替代方法是使用“ 相关项目”下列出的一种模型导出工具将模型导出为另一种格式。与酸洗不同,导出后,您无法恢复完整的Scikit-learn估计器对象,但通常可以使用支持开放模型交换格式的工具(例如ONNX或 PMML)来部署模型以进行预测。
3.4.1。例如持久性
使用Python的内置持久性模型pickle可以在scikit-learn中保存模型:
>>>
>>> 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
在scikit-learn的特定情况下,最好使用joblib代替pickle(dump
&load
),这在内部装有大型numpy数组的对象上效率更高,这与拟合的scikit-learn估计量通常很有效,但只能腌制到磁盘而不是字符串:
>>>
>>> from joblib import dump, load
>>> dump(clf, 'filename.joblib')
稍后,您可以使用以下方法加载腌制的模型(可能在另一个Python进程中):
>>>
>>> clf = load('filename.joblib')