机器学习算法基础8-模型保存与加载、逻辑回归、Kmeans(聚类)

一、模型的保存与加载

sklearn模型的加载与保存

API:
from sklearn.externals import joblib

保存与加载API
保存：joblib.dump(rf,‘test.pkl’)
加载：estimator = joblib.load(‘test.pkl’)

注意：文件格式为.pkl

# sklearn模型的保存与加载
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression
from sklearn.externals import joblib
from sklearn.metrics import mean_squared_error

def mylinear():
    '''
    线性回归预测房子价格
    :return:
    '''
    # 一、获得数据
    lb = load_boston()

    # 二、处理数据

    # 1.取得数据集中特征值与目标值
    x = lb.data
    y = lb.target

    # 2.分割数据集  训练集与测试集
    x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.25)

    # 三、进行特征工程
    # 1.训练集与测试集标准化处理
    # 特征值与目标值都必须进行标准化处理，实例化两个API,分别处理特征值与目标值
    # 特征值
    std_x = StandardScaler()
    x_train = std_x.fit_transform(x_train)
    x_test = std_x.transform(x_test)

    # 目标值
    std_y = StandardScaler()
    # 要求传入的y_train是二维数组，后面也一样，用reshape(-1,1)方法转换
    y_train = std_y.fit_transform(y_train.reshape(-1,1))
    y_test = std_y.transform(y_test.reshape(-1,1))

    # 四、
    # 模型加载预测房价结果
    model = joblib.load('test.pkl')
    # 预测测试集房子价格
    y_model_predict = std_y.inverse_transform(model.predict(x_test))
    print('保存模型预测房价结果\n',y_model_predict)

    # # 四、线性回归模型-estimator预测
    #
    # # 1.正规方程求解方式预测结果
    # lr = Linea