当我们训练完成一个模型后，我们需要将模型保存起来，以便下次方便使用。

pickle

pickle是python自带的保存模型的方法。

保存模型：

from sklearn import svm from sklearn import datasets import pickleclf = svm.SVC() # 创建一个SVC模型 iris = datasets.load_iris() X, y = iris.data, iris.target clf.fit(X, y) # 训练模型 # 保存模型 with open('save/clf.pickle', 'wb') as f:pickle.dump(clf,f)

加载模型：

from sklearn import svm from sklearn import datasets import pickleiris = datasets.load_iris() X, y = iris.data, iris.target # 加载模型 with open('save/clf.pickle', 'rb') as f:clf2 = pickle.load(f)print(clf2.predict(X[0:1]) # 加载了模型之后就可以进行预测了 输出[0]

joblib

joblib 比pickle更快，使用了多线程并行处理。

保存模型

import joblibclf = svm.SVC() iris = datasets.load_iris() X, y = iris.data, iris.target clf.fit(X, y) joblib.dump(clf, 'save/clf.pkl')

加载模型

import joblib clf3 = joblib.load('save/clf.pkl') print(clf3.predict(X[0:1])) # 输出[0] 与50位技术专家面对面20年技术见证，附赠技术全景图

总结

以上是生活随笔为你收集整理的利用pickle保存模型的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。