Python數據分析及可視化實例之SKlearn訓練結果持久化保存

系列文章總目錄：Python數據分析及可視化實例目錄

Talk is cheap , show U the code.

該源碼注釋比較全面，需要對SKlearn有一定的了解，

當然，你也可以把它視作黑箱，做個調包俠也是大俠。

方法一（pickle）：

>>> from sklearn import svmn>>> from sklearn import datasetsn>>> clf = svm.SVC()n>>> iris = datasets.load_iris()n>>> X, y = iris.data, iris.targetn>>> clf.fit(X, y) nSVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,n decision_function_shape=None, degree=3, gamma=auto, kernel=rbf,n max_iter=-1, probability=False, random_state=None, shrinking=True,n tol=0.001, verbose=False)nn# 保存訓練結果n>>> import picklen>>> s = pickle.dumps(clf) nn# 調用訓練結果，並進行測試n>>> clf2 = pickle.loads(s)n>>> clf2.predict(X[0:1])narray([0])n>>> y[0]n

方法二（joblib）：

from sklearn.externals import joblibn>>> from sklearn import svmn>>> X = [[0, 0], [1, 1]]n>>> y = [0, 1]n>>> clf = svm.SVC()n>>> clf.fit(X, y) n>>> clf.fit(train_X,train_y)n# 保存訓練結果n>>> joblib.dump(clf, "train_model.m")nn# 調用訓練結果，並進行測試n>>> clf = joblib.load("train_model.m")nclf.predit(test_X) n

新手可查閱歷史文章：

Python數據分析及可視化實例目錄

也可以到下面報到，邀請您哦，進群請說明來自知乎yeayee專欄

Scikit-learn（sklearn） 0.19 中文文檔校驗邀請函

參考文獻：

http://scikit-learn.org/stable/modules/model_persistence.html

使用sklearn優雅地進行數據挖掘 - jasonfreak - 博客園

推薦閱讀：