機器學習 分類演算法 模型的儲存和載入12

2021-10-25 18:06:45 字數 3264 閱讀 5967

儲存模型

from sklearn.datasets import load_boston

from sklearn.linear_model import linearregression,sgdregressor,ridge

from sklearn.model_selection import train_test_split

from sklearn.preprocessing import standardscaler

from sklearn.metrics import mean_squared_error

import joblib

defmylinear()

:"""

線性回歸直接**房子**

:return:

"""# 獲取資料

lb = load_boston(

)# 分割資料到訓練集和測試集

x_train,x_test,y_train,y_test = train_test_split(lb.data,lb.target,test_size=

0.25

)print

(y_train,x_test)

# 進行標準化處理

# 特徵值和目標值都必須進行標準化處理(例項化2個標準化api)

# 特徵值標準化處理

std_x = standardscaler(

) x_train = std_x.fit_transform(x_train)

x_test = std_x.transform(x_test)

# 目標值標準化處理

std_y = standardscaler(

) y_train = std_y.fit_transform(y_train.reshape(-1

,1))

# 要求資料必須是二維我們需要使用reshape(-1,1)進行轉換

y_test = std_y.transform(y_test.reshape(-1

,1))

# estimator**

# 正規方程求解**結果

lr = linearregression(

) lr.fit(x_train,y_train)

print

(lr.coef_)

# 儲存訓練好的模型

joblib.dump(lr,

"test.pkl"

)# **測試集的房子**

y_lr_predict = lr.predict(x_test)

y_lr_predict = std_y.inverse_transform(y_lr_predict)

# 將降維後的資料轉換成原始資料

print

("正規方程測試集裡面每個房子的****:"

,y_lr_predict)

print

("正規方程的均方誤差:"

呼叫模型**的結果

from sklearn.datasets import load_boston

from sklearn.linear_model import linearregression,sgdregressor,ridge

from sklearn.model_selection import train_test_split

from sklearn.preprocessing import standardscaler

from sklearn.metrics import mean_squared_error

import joblib

defmylinear()

:"""

線性回歸直接**房子**

:return:

"""# 獲取資料

lb = load_boston(

)# 分割資料到訓練集和測試集

x_train,x_test,y_train,y_test = train_test_split(lb.data,lb.target,test_size=

0.25

)print

(y_train,x_test)

# 進行標準化處理

# 特徵值和目標值都必須進行標準化處理(例項化2個標準化api)

# 特徵值標準化處理

std_x = standardscaler(

) x_train = std_x.fit_transform(x_train)

x_test = std_x.transform(x_test)

# 目標值標準化處理

std_y = standardscaler(

) y_train = std_y.fit_transform(y_train.reshape(-1

,1))

# 要求資料必須是二維我們需要使用reshape(-1,1)進行轉換

y_test = std_y.transform(y_test.reshape(-1

,1))

# 呼叫儲存好的模型進行**

model = joblib.load(

"test.pkl"

) y_predict = std_y.inverse_transform(model.predict(x_test)

)print

("呼叫模型**的結果:"

機器學習與深度學習 模型的儲存和載入

我們再建模完畢以後,並不需要每次都把資料重新執行,而是將資料模型給保留下來 from sklearn.externals import joblib 儲存 joblib.dump estimator,test.m 載入 estimator joblib.load test.m 詳細案例 import...

機器學習模型儲存

在訓練完成機器學習模型後,經常將滿足需要的機器學習模型進行儲存,本文以svm演算法為例,講解模型儲存和呼叫的方法。joblib.dump 模型,模型命名 將訓練模型儲存起來如 from sklearn.svm import svc from sklearn.metrics import classi...

機器學習 模型儲存

目錄 pickle模組 sklearn joblib模組 hive分割槽表 在訓練模型後將模型儲存的方法,以免下次重複訓練。以及大資料裡直接將bi模型結果儲存在hive表裡。from sklearn import svm from sklearn import datasets import pic...