? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?Python 模型持久化

1 聲明

本文的數據來自網絡，部分代碼也有所參照，這里做了注釋和延伸，旨在技術交流，如有冒犯之處請聯系博主及時處理。

?

2 模型持久化簡介

當我們需要將我們的模型與其它的應用或者軟件集成時，我們一般需要將模型持久化。持久化即將訓練后的模型導出成文件.在sklearn 里通過joblib的dump方法進行導出，load方法進行加載，實例化分類對象后預測。

?

3 模型持久化代碼示例

#加載相關包和數據 from sklearn.ensemble import RandomForestClassifier from sklearn import datasets from sklearn.externals import joblib iris = datasets.load_iris() features = iris.data target = iris.target classifer = RandomForestClassifier() model = classifer.fit(features, target) # 以pickle文件格式報錯模型 joblib.dump(model, "model.pkl") # 從持久化文件里加載模型 classifer = joblib.load("model.pkl") new_observation = [[ 5.2, 3.2, 1.1, 0.1]] # 預測新觀測 print(classifer.predict(new_observation))

4 總結

無

?

?

總結

以上是生活随笔為你收集整理的Python 模型持久化的全部內容，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。