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