sklearn训练模型的保存与加载

使用joblib模块保存于加载模型

在机器学习的过程中,我们会进行模型的训练,最常用的就是sklearn中的库,而对于训练好的模型,我们当然是要进行保存的,不然下次需要进行预测的时候就需要重新再进行训练。如果数据量小的话,那再重新进行训练是没有问题的,但是如果数据量大的话,再重新进行训练可能会花费很多开销,这个时候,保存好已经训练的模型就显得特别重要了。我们可以使用sklearn中的joblib模块进行保存与加载

from sklearn.externals import joblib
# 保存模型
joblib.dump(lr,  "./ML/test.pkl")   # lr是训练好的模型, "./ML/test.pkl"是模型要保存的路径及保存模型的文件名,其中,'pkl' 是sklearn中默认的保存格式gai

这样,我们就将模型保存好了,当我们需要使用到该模型时,可以直接使用joblib.load进行加载模型

lr = joblib.load("./ML/test.pkl")
# 进行模型的预测
y_pred = lr.predict(x_test)  # 加载出来的模型跟我们训练出来的模型一样,有相同的参数
发布了40 篇原创文章 · 获赞 5 · 访问量 6547
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览