很多模型訓練完成之後,可以進行儲存,下次使用時直接呼叫即可,不需要再次訓練資料。接下來我將介紹sklearn中模型的儲存和載入。
from sklean.externals import joblib
#儲存訓練模型
joblib.dump(lr,
"./tmp/test.pkl"
)#匯入模型資料
lr2=joblib.load(
"./tmp/test.pkl"
)
例如:
#模型
lr = linearregression(
) lr.fit(x_train, y_train)
#儲存模型
joblib.dump(lr,
"./tmp/test.pkl"
)#匯入模型
lr2=joblib.load(
"./tmp/test.pkl"
)lr2.fit(x_train, y_train)
儲存和載入模型
在訓練模型過程中,由於資料集較大,模型訓練迭代次數較多等原因,使得模型訓練較耗時,因此將訓練好的模型進行儲存以便下次直接使用是很有必要,下面介紹兩種模型的儲存和載入方法 1.使用pickle模組 1 儲存模型 with open 模型儲存的位置 wb as f pickle.dump model,f...
模型儲存和載入
當訓練或者計算好乙個模型之後,那麼如果別人需要我們提供結果 就需要儲存模型 主要是儲存演算法的引數 使用線性模型進行 使用正規方程求解 lr linearregression 此時在幹什麼?lr.fit x train,y train 儲存訓練完結束的模型 joblib.dump lr,test.p...
scikit learn儲存和載入模型
import pickle 模型儲存 這裡的model已經是生成好的模型了,注意一定要用 wb 否則會報錯 model.fit train x,train y s pickle.dumps model f open svm.model wb f.write s f.close print done ...