找到一個準(zhǔn)確的機(jī)器學(xué)習(xí)模型酱塔，你的項目并沒有完成该窗。本文中你將學(xué)習(xí)如何使用scikit-learn來存儲和導(dǎo)入機(jī)器學(xué)習(xí)模型它浅。你可以把你的模型保持到文件中荠察，然后再導(dǎo)入內(nèi)存進(jìn)行預(yù)測置蜀。
1. 用Pickle敲定你的模型
Pickle是python中一種標(biāo)準(zhǔn)的序列化對象的方法奈搜。你可以使用pickle操作來序列化你的機(jī)器學(xué)習(xí)算法，保存這種序列化的格式到一個文件中盯荤。稍后你可以導(dǎo)入這個文件反序列化你的模型馋吗，用它進(jìn)行新的預(yù)測。以下的例子向你展示：如何使用Pima Indians onset of diabetes數(shù)據(jù)集秋秤，訓(xùn)練一個logistic回歸模型宏粤，保存模型到文件，導(dǎo)入模型對未知數(shù)據(jù)進(jìn)行預(yù)測灼卢。運(yùn)行以下代碼把模型存入你工作路徑中的finalized_model.sav绍哎，導(dǎo)入模型，用未知數(shù)據(jù)評估模型的準(zhǔn)確率鞋真。
# Save Model Using Pickle
import pandas
from sklearn import model_selection
from sklearn.linear_model import LogisticRegression
import pickle
url = "https://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data"
names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
dataframe = pandas.read_csv(url, names=names)
array = dataframe.values
X = array[:,0:8]
Y = array[:,8]
test_size = 0.33
seed = 7
X_train, X_test, Y_train, Y_test = model_selection.train_test_split(X, Y, test_size=test_size, random_state=seed)
# Fit the model on 33%
model = LogisticRegression()
model.fit(X_train, Y_train)
# save the model to disk
filename = 'finalized_model.sav'
pickle.dump(model, open(filename, 'wb'))
# some time later...
# load the model from disk
loaded_model = pickle.load(open(filename, 'rb'))
result = loaded_model.score(X_test, Y_test)
print(result)
2. 用joblib敲定你的模型
Joblib 是SciPy生態(tài)的一部分崇堰，為管道化python的工作提供的工具。它提供了存儲和導(dǎo)入python對象的工具灿巧，可以對Numpy數(shù)據(jù)結(jié)構(gòu)進(jìn)行有效的利用赶袄。這對于要求很多參數(shù)和存儲整個數(shù)據(jù)集的算法(比如K-Nearest Neighbors)很有幫助。以下代碼向你展示：如何使用Pima Indians onset of diabetes數(shù)據(jù)集抠藕，訓(xùn)練一個logistic回歸模型饿肺，使用joblib保存模型到文件，導(dǎo)入模型對未知數(shù)據(jù)進(jìn)行預(yù)測盾似。運(yùn)行以下代碼把模型存入你工作路徑中的finalized_model.sav敬辣，也會創(chuàng)建一個文件保存Numpy數(shù)組，導(dǎo)入模型零院，用未知數(shù)據(jù)評估模型的準(zhǔn)確率溉跃。
# Save Model Using joblib
import pandas
from sklearn import model_selection
from sklearn.linear_model import LogisticRegression
from sklearn.externals import joblib
url = "https://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data"
names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
dataframe = pandas.read_csv(url, names=names)
array = dataframe.values
X = array[:,0:8]
Y = array[:,8]
test_size = 0.33
seed = 7
X_train, X_test, Y_train, Y_test = model_selection.train_test_split(X, Y, test_size=test_size, random_state=seed)
# Fit the model on 33%
model = LogisticRegression()
model.fit(X_train, Y_train)
# save the model to disk
filename = 'finalized_model.sav'
joblib.dump(model, filename)
# some time later...
# load the model from disk
loaded_model = joblib.load(filename)
result = loaded_model.score(X_test, Y_test)
print(result)
3. 保存模型的幾點(diǎn)提醒
當(dāng)你存儲你的機(jī)器學(xué)習(xí)模型時，需要考慮以下重要問題告抄。一定要記住撰茎，記錄下你的工具版本，以便于重構(gòu)環(huán)境打洼。
1. python的版本：記錄下python的版本龄糊。需要相同大版本號的python來序列化和反序列化模型。
2. 庫的版本：主要的庫的版本要保持一致募疮，不僅限于Numpy和scikit-learn的版本炫惩。
3. 手動序列化：你可能想要手動的輸出你的模型參數(shù)以便于你可以直接把他們用在scikit-learn或者其他的平臺。確實(shí)學(xué)習(xí)算法參數(shù)實(shí)現(xiàn)比算法本身實(shí)現(xiàn)要難得多阿浓。如果你有能力也可以自己寫代碼來導(dǎo)出參數(shù)他嚷。
4. 知識點(diǎn)：
- model_selection.train_test_split
- pickle.dump, pickle.load
- joblib.dump, joblib.load
原文鏈接：Save and Load Machine Learning Models in Python with scikit-learn
喜歡本文，你就點(diǎn)個喜歡吧！
