Python中模型的存储于读取

模型依据数据的变化是一个不断循环、不断更新的过程，在Python中搭建模型，且读取模型的程序也在Python内部，可以用内置库pickle完成。pickle是负责将Python对象序列化和反序列化的模块，使用pickle.dump函数将训练好的模型保存到磁盘上（具体路径为“modelPath”），当需要使用模型时，可以通过pickle.load函数读取保存在磁盘上的模型。

代码如下：

import pickle
from sklearn import linear_model

def trainAndSaveModel(data,modelPath):
    """
    使用pickle保存训练好的模型
    """
    model = linear_model.LinearRegression()
    model.fit(data[["x"]],data[["y"]])
    pickle.dump(model,open("H:\Python","wb"))
    return model

def loadModel(modelPath):
    """
    使用pickle读取已有的模型
    """
    model = pickle.load(open("H:\Python","rb"))
    return model

如果读取的模型需要用到其他语言，比如Java，则需要用到预测模型标记语言（PMML），使用它可以实现不同语言间的保存和读取。