sklearn模型的保存与恢复
2017-05-26 22:29
281 查看
举例说明：
模型的保存过程：
from sklearn.externals import joblib
from sklearn import svm
import os
# os.chdir("workspace/model_save")
X = [[0, 0], [1, 1]]
y = [0, 1]
clf = svm.SVC()
clf.fit(X, y)
joblib.dump(clf, "train_model.m")模型的读取过程：
from sklearn.externals import joblib
clf = joblib.load("train_model.m")
X = [[0, 0], [1, 1]]
y = [0, 1]
print(clf.predict(X))
模型的保存过程：
from sklearn.externals import joblib
from sklearn import svm
import os
# os.chdir("workspace/model_save")
X = [[0, 0], [1, 1]]
y = [0, 1]
clf = svm.SVC()
clf.fit(X, y)
joblib.dump(clf, "train_model.m")模型的读取过程：
from sklearn.externals import joblib
clf = joblib.load("train_model.m")
X = [[0, 0], [1, 1]]
y = [0, 1]
print(clf.predict(X))
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 机器学习-训练模型的保存与恢复（sklearn）
- sklearn训练后使用pickle、joblib保存与恢复模型
- 机器学习-训练模型的保存与恢复（sklearn）
- 训练模型的保存与恢复（sklearn模型持久化）
- sklearn、TensorFlow、keras模型保存与读取
- 16、TensorFLow 模型参数的保存与恢复
- Tensorflow：如何保存/恢复模型？
- sklearn模型保存
- 【深度学习】Tensorflow模型保存与恢复
- TensorFlow_MNIST 保存、恢复模型及参数
- Tensorflow保存模型，恢复模型，使用训练好的模型进行预测和提取中间输出（特征）【转】
- TensorFlow保存和恢复模型的方法总结
- 浅谈Tensorflow模型的保存与恢复加载
- sklearn模型保存
- 一个快速完整的教程，以保存和恢复Tensorflow模型。
- TensorFlow之保存/恢复模型
- 一份快速完整的Tensorflow模型保存和恢复教程（译）
- Tensorflow模型的保存与恢复
- sklearn 中模型保存的两种方法
- TF 中保存恢复模型时，关于变量的name问题