本系列以sklearn的svm算法为例,对葡萄酒质量预测,也可换用其它方法,比如随机森林,因为sklearn的机器学习算法调用形式基本差不多,可以自行举一反三。
现在,我们来把训练的模型保存,然后,需要的时候,直接将数据送入模型 ,无需再训练,先来看模型 保存与读入(模型持久化)
模型的持久性
在训练了一个scikit-learn模型之后,最好有一种方法来保存模型以供将来使用,而无需重新培训。下一节将给出一个示例,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。
>>> from sklearn import svm
>>> from sklearn import datasets
>>> clf = svm.SVC(gamma='scale')
>>> iris = datasets.load_i