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（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') 

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。