当我们训练好一个model后，下次如果还想用这个model，我们就需要把这个model保存下来，下次直接导入就好了，不然每次都跑一遍，训练时间短还好，要是一次跑好几天的那怕是要天荒地老了。。sklearn官网提供了两种保存model的方法：官网地址
1.使用python自带的pickle
from sklearn.ensemble import RandomForestClassifier from sklearn import datasets import pickle #方法一:python自带的pickle (X,y) = datasets.load_iris(return_X_y=True) rfc = RandomForestClassifier(n_estimators=100,max_depth=100) rfc.fit(X,y) print(rfc.predict(X[0:1,:])) #save model f = open(‘saved_model/rfc.pickle‘,‘wb‘) pickle.dump(rfc,f) f.close() #load model f = open(‘saved_model/rfc.pickle‘,‘rb‘) rfc1 = pickle.load(f) f.close() print(rfc1.predict(X[0:1,:]))
2.使用sklearn中的模块joblib
使用joblib模块更加的简单了，核心代码就两行
from sklearn.ensemble import RandomForestClassifier from sklearn import datasets from sklearn.externals import joblib #方法二：使用sklearn中的模块joblib (X,y) = datasets.load_iris(return_X_y=True) rfc = RandomForestClassifier(n_estimators=100,max_depth=100) rfc.fit(X,y) print(rfc.predict(X[0:1,:])) #save model joblib.dump(rfc, ‘saved_model/rfc.pkl‘) #load model rfc2 = joblib.load(‘saved_model/rfc.pkl‘) print(rfc2.predict(X[0:1,:]))
这两个方法都可以，但是更推荐用第二种，即joblib，因为根据官网介绍，速度更快。
原文：https://www.cnblogs.com/caiyishuai/p/9486289.html