机器学习——模型保存
【摘要】
对于已经调好参数的模型,我们需要将其保存下来,可以使用下面两种方法。
模型训练
from sklearn.tree import DecisionTreeClassifier
from sklea...
对于已经调好参数的模型,我们需要将其保存下来,可以使用下面两种方法。
模型训练
from sklearn.tree import DecisionTreeClassifier
from sklearn import datasets
X, y = datasets.load_iris(return_X_y=True)
model = DecisionTreeClassifier()
model.fit(X, y)
- 1
- 2
- 3
- 4
- 5
- 6
sklearn.externals.joblib
import joblib
# 模型保存
joblib.dump(model, 'DecisionTree.pkl')
# 模型加载
model = joblib.load('DecisionTree.pkl')
- 1
- 2
- 3
- 4
- 5
- 6
pickle
import pickle
# 模型保存
f = open('DecisionTree.pickle', 'wb')
pickle.dump(model, f)
f.close()
# 模型加载
f = open('DecisionTree.pickle', 'rb')
model = pickle.load(f)
f.close()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
joblib与pickle对比
对于大数据而言,joblib
比pickle
更加高效,但是joblib
只能将对象存储在磁盘文件中,不能保存为字符串。
文章来源: blog.csdn.net,作者:Dream丶Killer,版权归原作者所有,如需转载,请联系作者。
原文链接:blog.csdn.net/qq_43965708/article/details/116647313
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)