Machine Learning (3) - 介绍两种保存和读取模型的方式

引言

Machine Learning (3) - 介绍两种保存和读取模型的方式

Machine Learning 两步曲:

  1. 训练模型
  2. 用训练好的模型帮助我们解决问题
    在实际应用中,模型训练需要大量的数据。这个训练过程也许会花费比较多的时间。所以,一旦训练好以后,就需要把它 保存 起来,方便后面随时调用。

保存模型的两种方式

保存模型的方式有两种,分别是 picklesklearn joblib

准备模型

引入数据

import pandas as pd
df = pd.read_csv('/Users/rachel/Downloads/py-master/ML/1_linear_reg/homeprices.csv')
df

输出:

Machine Learning (3) - 介绍两种保存和读取模型的方式

训练模型

model = linear_model.LinearRegression()
model.fit(df[['area']], df.price)

// 用模型进行预测
model.predict([[3500]])

用 pickle 保存模型

// 引入包
import pickle

// 将模型写入 model_pickle 文件
with open('model_pickle', 'wb') as f:
    pickle.dump(model, f)

// 从 model_pickle 文件中读取模型
with open('model_pickle', 'rb') as f:
    mp = pickle.load(f)

// 用模型进行预测
mp.predict([[3500]])

用 sklearn joblib 保存模型

// 引入包
from sklearn.externals import joblib

// 将模型写入 model_joblib 文件
joblib.dump(model, 'model_joblib')

// 从 model_joblib 文件中读取模型
mj = joblib.load('model_joblib')

// 用模型进行预测
mj.predict([[3500]])
ml
本作品采用《CC 协议》,转载必须注明作者和本文链接
讨论数量: 0
(= ̄ω ̄=)··· 暂无内容!

讨论应以学习和精进为目的。请勿发布不友善或者负能量的内容,与人为善,比聪明更重要!