机器学习——模型保存

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