数学建模学习（68）：机器学习训练模型的保存与模型使用

机器学习模型通常需要数小时或数天才能运行，尤其是在具有许多特征的大型数据集上。如果你的机器坏了，你会丢失你的模型，你需要从头开始重新训练它。

Pickle 是一个有用的 Python 工具，可让你保存模型，最大限度地减少冗长的重新训练，并允许你共享、提交和重新加载预先训练的机器学习模型。

Pickle 是一个通用的对象序列化模块，可用于序列化和反序列化对象。虽然它最常与保存和重新加载经过训练的机器学习模型相关联，但它实际上可以用于任何类型的对象。以下是如何使用 Pickle 将训练好的模型保存到文件并重新加载以获取预测。

模型保存

接着上篇内容：数学建模学习67，代码也是在原来的基础上继续添加，两行即可保存模型，这里把model保存为model.pkl：

import pickle

pickle.dump(model, open('model.pkl'
  

 

  
1
  
2
 

文章来源: chuanchuan.blog.csdn.net，作者：川川菜鸟，版权归原作者所有，如需转载，请联系作者。

原文链接：chuanchuan.blog.csdn.net/article/details/124828951