scikit-learn使用joblib.dump()持久化模型过程中的问题详解--python

在机器学习过程中，一般用来训练模型的过程比较长，所以我们一般会将训练的模型进行保存（持久化），然后进行评估，预测等等，这样便可以节省大量的时间。

在模型持久化过程中，我们使用scikit-learn提供的joblib.dump()方法，但是在使用过程中会出现很多问题。如我们使用如下语句：

[python]view plaincopy

joblib.dump(clf,'../../data/model/randomforest.pkl')

此语句将产生大量的模型文件，如下图所示

然后，我们再使用joblib.load(‘../../data/model/randomforest.pkl’)进行加载，会出现如下错误：

[python]view plaincopy

Traceback (most recent call last):

File"E:\workspace\forest\com\baihe\RandomForest_losing.py", line65,in

clf = joblib.load('../../data/model/randomforest.pkl')

File"D:\Program Files\python27\lib\site-packages\sklearn\externals\joblib\numpy_pickle.py", line425,inload

obj = unpickler.load()

File"D:\Program Files\python27\lib\pickle.py", line858,inload

dispatch[key](self)

File"D:\Program Files\python27\lib\site-packages\sklearn\externals\joblib\numpy_pickle.py", line285,inload_build

Unpickler.load_build(self)

File"D:\Program Files\python27\lib\pickle.py", line1217,inload_build

setstate(state)

File"_tree.pyx", line2280,insklearn.tree._tree.Tree.__setstate__ (sklearn\tree\_tree.c:18350)

ValueError: Didnotrecognise loaded array layout

正确使用joblib的方法是：设置dump中的compress参数，当设置参数时，模型持久化便会压缩成一个文件。源码中对compress参数的描述如下：

[python]view plaincopy

compress: integerfor0to9, optional

Optional compression levelforthe data.0isno compression.

Higher means more compression, but also slower readand

write times. Using a value of3isoften a good compromise.

See the notesformore details.

以下是我们进行模型持久化的正确操作语句：

[python]view plaincopy

#save model

joblib.dump(clf,'../../data/model/randomforest.pkl',compress=3)

#load model to clf

clf = joblib.load('../../data/model/randomforest.pkl')

文／yido（简书作者）
原文链接：http://www.jianshu.com/p/2459cdf2c58b
著作权归作者所有，转载请联系作者获得授权，并标注“简书作者”。