sklearn.externals.joblib导入问题

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(dumpload),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') 

注意

 

dump并且load函数也接受类似文件的对象而不是文件名。有关Joblib数据持久性的更多信息,请参见此处

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值