sklearn训练模型的保存与加载
使用joblib模块保存于加载模型
在机器学习的过程中,我们会进行模型的训练,最常用的就是sklearn中的库,而对于训练好的模型,我们当然是要进行保存的,不然下次需要进行预测的时候就需要重新再进行训练。如果数据量小的话,那再重新进行训练是没有问题的,但是如果数据量大的话,再重新进行训练可能会花费很多开销,这个时候,保存好已经训练的模型就显得特别重要了。我们可以使用sklearn中的joblib模块进行保存与加载。
from sklearn.externals import joblib # 保存模型 joblib.dump(lr, "./ML/test.pkl") # lr是训练好的模型, "./ML/test.pkl"是模型要保存的路径及保存模型的文件名,其中,'pkl' 是sklearn中默认的保存格式gai
这样,我们就将模型保存好了,当我们需要使用到该模型时,可以直接使用joblib.load进行加载模型
lr = joblib.load("./ML/test.pkl") # 进行模型的预测 y_pred = lr.predict(x_test) # 加载出来的模型跟我们训练出来的模型一样,有相同的参数