sklearn模型保存与加载

sklearn模型保存与加载

• sklearn模型的保存和加载API
• 线性回归的模型保存加载案例
• • 保存模型

sklearn模型的保存和加载API

from sklearn.externals import joblib

# 保存：joblib.dump(estimator, 'test.pkl')
# 加载：estimator = joblib.load('test.pkl')

注意：保存的后缀名是.pkl

线性回归的模型保存加载案例

保存模型

# 1.获取数据
data = load_boston()

# 2.数据集划分 数据的基本处理
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)

# 4.1 创建模型 实例化估计器
estimator = Ridge(alpha=1)
# 4.2 训练模型 fit 正规方程计算得到最优可训练参数
estimator.fit(x_train, y_train)

#保存模型
joblib.dump(estimator,'./test.pkl')

# 加载模型
estimator = joblib.load('./test.pkl')

# 5.模型评估
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_)
error = mean_squared_error(y_test, y_predict)
print("误差为:\n", error)