scikit-learn的基本用法——模型保存与加载

本文主要介绍scikit-learn中的模型的保存与加载。
Demo 1

import pickle
from sklearn.svm import SVC
from sklearn import datasets

# 定义分类器
svm = SVC()

# 加载iris数据集
iris = datasets.load_iris()
# 读取特征
X = iris.data
# 读取分类标签
y = iris.target

# 训练模型
svm.fit(X, y)

# 保存成python支持的文件格式pickle, 在当前目录下可以看到svm.pickle
with open('svm.pickle', 'wb') as fw:
pickle.dump(svm, fw)

# 加载svm.pickle
with open('svm.pickle', 'rb') as fr:
new_svm = pickle.load(fr)
print new_svm.predict(X[0:1])

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
结果

[0]

1
Demo 2

from sklearn.externals import joblib
from sklearn.svm import SVC
from sklearn import datasets

# 定义分类器
svm = SVC()

# 加载iris数据集
iris = datasets.load_iris()
# 读取特征
X = iris.data
# 读取分类标签
y = iris.target

# 训练模型
svm.fit(X, y)

# 保存成sklearn自带的文件格式
joblib.dump(svm, 'svm.pkl')

# 加载svm.pkl
new_svm = joblib.load('svm.pkl')
print new_svm.predict(X[0:1])

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
结果

[0]

转载自：http://blog.csdn.net/quincuntial/article/details/71244324

参考：

http://scikit-learn.org/stable/modules/model_persistence.html

https://docs.python.org/2/library/pickle.html#

http://sklearn.lzjqsdd.com/tutorial/basic/tutorial.html#model-persistence