Sklearn 模型的儲存與讀取

這個是比較簡單的操作,但是還是想拿出來寫一下,因為很好用的乙個功能(好像也是必須得有的功能)

很簡單,主要就是呼叫sklearn.external 的joblib來儲存和載入模型.不過這個呼叫會有warning,提示我們直接用joblib包

from sklearn.externals import joblib

#import joblib #也可以直接用這個
joblib.dump(模型變數,
'檔名.pkl'
)變數 = joblib.load(
'檔名.pkl'
)

這個用於儲存模型

import numpy as np

import pandas as pd 
from sklearn.externals import joblib
from sklearn.linear_model import linearregression
from sklearn.preprocessing import standardscaler
excel = pd.read_excel(
'./新新完整.xlsx'
)x = excel.loc[:,
['距離中心點的距離'
,'密集度'
,'會員對於任務的密集度'
,'會員綜合能力']]
y = excel.loc[:,
'任務標價'
]x = x.dropna(
)y = y.dropna(
)preproc = joblib.load(
'./standard_model.pkl'
)line_model = joblib.load(
'./line_model.pkl'
)x = preproc.transform(x)
# print(line_model.predict(x))
print
(line_model.score(x,y)
)

import numpy as np

import pandas as pd 
from sklearn.externals import joblib
from sklearn.linear_model import linearregression
from sklearn.preprocessing import standardscaler
excel = pd.read_excel(
'./新新完整.xlsx'
)x = excel.loc[:,
['距離中心點的距離'
,'密集度'
,'會員對於任務的密集度'
,'會員綜合能力']]
y = excel.loc[:,
'任務標價'
]x = x.dropna(
)y = y.dropna(
)preproc = joblib.load(
'./standard_model.pkl'
)line_model = joblib.load(
'./line_model.pkl'
)x = preproc.transform(x)
# print(line_model.predict(x))
print
(line_model.score(x,y)
)

sklearn模型儲存與載入

from sklearn.externals import joblib 儲存 joblib.dump estimator,test.pkl 載入 estimator joblib.load test.pkl 注意 儲存的字尾名是.pkl 1.獲取資料 data load boston 2.資料集劃...

嶺回歸與sklearn模型的儲存與載入

帶有正則化的線性回歸 嶺回歸api sklearn.linear model.ridge 語法 sklearn.linear model.ridge alpha 1.0 具有l2正則化的線性最小二乘法 alpha 正則化力度 coef 回歸係數 正則化程度的變化，對結果的影響 正則化力度越大，權重越...

嶺回歸與sklearn模型的儲存與載入

帶有正則化的線性回歸 嶺回歸 api sklearn.linear model.ridge 語法 sklearn.linear model.ridge alpha 1.0 具有l2正則化的線性最小二乘法 alpha 正則化力度 coef 回歸係數 正則化程度的變化，對結果的影響 正則化力度越大，權重...