【机器学习】训练好的模型的保存与恢复----joblib模块

在做模型训练的时候，尤其是在训练集上做交叉验证，因为交叉验证的模型训练通常要耗费很长时间，如果再结合大数据，那么这个时间的耗费通常可以用天来计算，那么，现在就通常想要将模型保存下来，然后放到独立的测试集上测试。

下面介绍的是Python中训练模型的保存和再使用。

一、训练模型，显示常用的模型属性

此数据为随机的自己瞎编的数据，只做演示用，各位可以通过自己的具体业务自己更改代码，此代码仅限演示用，可以当做一个test来学习。

import numpy as np
from sklearn.linear_model import LogisticRegression
 
X_train = np.array([[1,2,3],[4,5,6],[10,9,8]])
Y_train = np.array([0,0,1])
 
X_test = np.array([[2,3,4],[9,8,7]])
Y_test = np.array([0,1])
 
# 逻辑回归模型
LR = LogisticRegression()
# 训练模型
LR.fit(X_train,Y_train)
 
print('预测结果:\n', LR.predict(X_test))
print('预测各标签的概率值:\n', LR.predict_proba(X_test))
 
print('训练集准确率:', LR.score(X_train,Y_train))
print('测试集准确率:', LR.score(X_test,Y_test))

二、创建文件目录，保存模型

import os
from s