《深度学习Python实践》第18章——持久化加载模型

序列化和反序列化机器学习的模型
需要将生成的机器学习模型序列化，并将其发布到生产环境。
当有新的数据出现时，需要反序列化已保存的模型，然后用其预测新的数据。

1. 通过pickle序列化和反序列化机器学习模型

pickle是标准的python序列化方法，可以通过它来序列化机器学习算法生成的模型，并将其保存到文件中。当需要对新数据进行预测时，将已保存的模型反序列化，并用其预测新的数据。

# -*- coding: utf-8 -*- 
#import matplotlib.pyplot as plt

from pandas import read_csv
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from pickle import dump
from pickle import