转sklearn保存模型

训练好了一个Model 以后总需要保存和再次预测, 所以保存和读取我们的sklearn model也是同样重要的一步。

比如，我们根据房源样本数据训练了一下房价模型，当用户输入自己的房子后，我们就需要根据训练好的房价模型来预测用户房子的价格。

这样就需要在训练模型后把模型保存起来，在使用模型时把模型读取出来对输入的数据进行预测。

这里保存和读取模型有两种方法，都非常简单，差别在于保存和读取速度的快慢上，因为有一个是利用了多进程机制，下面我们分别来看一下。

创建模型

首先我们创建模型并训练数据：

from sklearn.datasets import load_digits
from sklearn.svm import SVC

# 加载数据
digits = load_digits()
X = digits.data
y = digits.target

model = SVC()
model.fit(X, y)

用pickle读写模型

pickle是python中用于数据序列化的模块，因此，对于模型的序列化也可以用此模块来进行：

import pickle
# 以写二进制的方式打开文件
file = open("D:/data/python/model.pickle", "wb")
# 把模型写入到文件中
pickle.dump(model, file)
# 关闭文件
file.close()

这样会创建D:/data/python/model.pickle的文件，大家可以自己去尝试下看看，我这边生成的文件大概1M左右。

有了模型文件之后，在进行预测时我们就不需要进行训练了，而只要把这个训练好的模型文件读取出来，然后直接进行预测就可以：

import pickle
# 以读二进制的方式打开文件
file = open("D:/data/python/model.pickle", "rb")
# 把模型从文件中读取出来
model = pickle.load(file)
# 关闭文件
file.close()

# 用模型进行预测
from sklearn.datasets import load_digits
digits = load_digits()
X = digits.data
y = digits.target

print("预测值：", model.predict(X[15:20]))
print("实际值：", y[15:20])

输出为：

预测值： [5 6 7 8 9]
实际值： [5 6 7 8 9]

用joblib进行模型的读写

直接上代码：

from sklearn.datasets import load_digits
from sklearn.svm import SVC

# 用模型进行训练
digits = load_digits()
X = digits.data
y = digits.target
model = SVC()
model.fit(X, y)

# 用joblib保存模型
from sklearn.externals import joblib
joblib.dump(model, "D:/data/python/model.joblib")

这样就会生成D:/data/python/model.joblib文件，看起来比pickle生成的文件大一点点。

读取模型：

# 用joblib读取模型
from sklearn.externals import joblib
model = joblib.load("D:/data/python/model.joblib")

# 对数据进行预测
from sklearn.datasets import load_digits
digits = load_digits()
X = digits.data
y = digits.target

print("预测值：", model.predict(X[15:20]))
print("实际值：", y[15:20])

输出为：

预测值： [5 6 7 8 9]
实际值： [5 6 7 8 9]

看起来也很简单，同pickle的区别是joblib会以多进程方式来进行，据说性能会好些。