sklearn中模型保存与加载

文章目录

  • 用哪个库
  • 怎么保存
  • 怎么加载
  • case
  • 其它

用哪个库

joblib

from sklearn.externals import joblib

怎么保存

假如训练的模型名字叫model_one
jolib.dump(model_name, ‘保存路径/model_name.pkl’)

怎么加载

model_name= joblib.load(‘被保存的路径/model_name.pkl’)

case

摘自该博客
https://blog.csdn.net/qq_41855990/article/details/107424628
写得很棒。

def load_dump_demo():
    """
    模型保存和加载
    :return:
    """
    # 1.获取数据
    data = load_boston()

    # 2.数据集划分
    x_train, x_test, y_train, y_test = train_test_split(data.data, data.target, random_state=22)

    # 3.特征工程-标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.fit_transform(x_test)

    # 4.机器学习-线性回归(岭回归)
    # # 4.1 模型训练
    # estimator = Ridge(alpha=1)
    # estimator.fit(x_train, y_train)
    #
    # # 4.2 模型保存
    # joblib.dump(estimator, "./data/test.pkl")

    # 4.3 模型加载
    estimator = joblib.load("./data/test.pkl")

    # 5.模型评估
    # 5.1 获取系数等值
    y_predict = estimator.predict(x_test)
    print("预测值为:\n", y_predict)
    print("模型中的系数为:\n", estimator.coef_)
    print("模型中的偏置为:\n", estimator.intercept_)

    # 5.2 评价
    # 均方误差
    error = mean_squared_error(y_test, y_predict)
    print("误差为:\n", error)

其它

xgboost等其它模型也可以用该方法

你可能感兴趣的:(机器学习,模型保存,模型加载,机器学习)