當我們訓練完成一個模型后，我們需要將模型保存起來，以便下次方便使用。

pickle

pickle是python自帶的保存模型的方法。

保存模型：

from sklearn import svm from sklearn import datasets import pickleclf = svm.SVC() # 創建一個SVC模型 iris = datasets.load_iris() X, y = iris.data, iris.target clf.fit(X, y) # 訓練模型 # 保存模型 with open('save/clf.pickle', 'wb') as f:pickle.dump(clf,f)

加載模型：

from sklearn import svm from sklearn import datasets import pickleiris = datasets.load_iris() X, y = iris.data, iris.target # 加載模型 with open('save/clf.pickle', 'rb') as f:clf2 = pickle.load(f)print(clf2.predict(X[0:1]) # 加載了模型之后就可以進行預測了 輸出[0]

joblib

joblib 比pickle更快，使用了多線程并行處理。

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')

加載模型

import joblib clf3 = joblib.load('save/clf.pkl') print(clf3.predict(X[0:1])) # 輸出[0] 與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的利用pickle保存模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。