sklearn 分别使用 pickle 和 joblib 来保存模型以便加载使用
发布时间
阅读量：
阅读量
完成 sklearn 模型的训练之后，若期望在后续应用中无需重复训练即可调用模型，便需要一种可行的存储方式。以下内容将提供一个具体示例，展示如何借助 pickle 工具实现模型的持久化存储。在进行 pickle 序列化操作的过程中，也将对涉及的安全隐患及代码维护性等相关问题进行简要回顾。
通过 Python 自带的持久化模块 pickle，可以实现对 scikit-learn 模型的存储与读取操作：
利用 pickle 进行模型的存储与调用过程
from sklearn import svm
from sklearn import datasets
model_xgb = svm.SVC()
X, y= datasets.load_iris(return_X_y=True)
model_xgb.fit(X, y)
import pickle
#1.保存成Python支持的文件格式Pickle
#在当前目录下可以看到new_app_model_v1.pickle
with open('new_app_model_v1.pickle','wb') as fw:
pickle.dump(model_xgb,fw)
#加载svm.pickle
with o全部评论 (0)
还没有任何评论哟~