sklearn之svm-葡萄酒质量预测(11)

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